LACT项目v0.7.3版本发布:AMD/NVIDIA显卡监控与超频工具的重大更新
LACT是一款开源的Linux系统显卡监控与超频工具,主要支持AMD和NVIDIA显卡。作为一个轻量级的守护进程和图形界面组合,它为用户提供了对显卡性能参数的实时监控、风扇控制、超频设置等功能。最新发布的v0.7.3版本带来了多项重要改进,特别是在图表可视化、系统兼容性和稳定性方面。
图表窗口全面升级
v0.7.3版本对图表监控窗口进行了彻底重构,使其成为完全可配置的界面。这一改进显著提升了用户体验:
-
自定义统计指标:用户现在可以自由选择要在图表上显示的统计指标,包括默认不显示的GPU电压、GPU负载百分比和显存使用情况等高级参数。
-
多图表管理:支持添加/删除多个图表,并通过拖放方式调整它们的位置和大小,实现个性化的监控布局。
-
数据导出功能:新增了将历史监控数据导出为CSV文件的功能,方便用户进行后续分析和报告生成。
-
持久化UI设置:所有图表配置和界面布局设置现在会被自动保存,下次启动时保持用户偏好。
这一改进使得专业用户可以根据自己的需求创建定制化的监控面板,而普通用户也能轻松查看最关心的性能指标。
Flatpak打包支持
v0.7.3版本首次提供了Flatpak打包格式,这是Linux应用分发的重要一步:
-
沙箱与权限平衡:由于LACT守护进程需要root权限,Flatpak包附带了一个辅助脚本,用于在沙箱外安装守护进程。
-
通用安装方案:安装脚本设计为通用型,理论上支持所有使用systemd的Linux发行版。
-
未来计划:开发者计划将LACT提交至Flathub官方仓库,前提是能够通过其审核流程。
Flatpak支持大大简化了LACT在各种Linux发行版上的安装过程,特别是对于那些不在官方仓库中的发行版用户。
AMD RDNA3显卡设置优化
针对AMD RDNA3架构显卡(如RX 7000系列)存在的设置应用问题,v0.7.3版本进行了专门优化:
-
设置顺序调整:通过社区测试发现,特定的设置写入顺序可以避免驱动层的问题,现在LACT会按照最优顺序应用各项参数。
-
兼容性保障:虽然主要针对RDNA3,但改进也经过了多代AMD显卡的测试验证。
-
问题根源:这一优化解决了AMD驱动中已知的超频设置不可靠问题,特别是功率限制、风扇曲线和时钟频率设置可能失效的情况。
设备识别与紧急恢复
新版本在设备支持和系统安全性方面也有显著提升:
-
嵌入式设备数据库:LACT现在内置了GPU厂商(AIB)名称数据库,当系统数据库无法识别特定显卡型号时作为备用方案。用户可以通过提交设备ID来帮助完善这个开源数据库。
-
紧急配置重置:新增了通过
lact-reset启动参数来重置错误配置的功能。当超频设置导致系统不稳定时,用户可以在启动时使用这个选项恢复默认设置,避免无法进入系统的情况。
其他改进与修复
v0.7.3版本还包括多项细节优化:
-
NVIDIA显卡支持:现在可以正确报告风扇转速(RPM)和风扇速度百分比。
-
权限管理:更新了socket权限配置,增加了admin_user字段,提高了安全性。
-
性能监控:新增了GPU和显存使用率统计到历史图表中,并支持显示节流状态。
-
系统兼容性:针对不同Linux发行版(如Fedora、openSUSE、Ubuntu等)提供了更完善的打包支持。
总结
LACT v0.7.3版本通过图表自定义、Flatpak打包支持、RDNA3优化等多项改进,进一步巩固了其作为Linux平台显卡管理工具的地位。无论是普通用户还是高级玩家,都能从这个版本中获得更好的使用体验。特别是对于使用最新AMD显卡的用户,设置可靠性的提升解决了长期存在的痛点问题。随着Flatpak支持的加入,LACT的易用性和可及性也得到了显著提升。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00