CIRCT项目firtool-1.110.0版本发布:硬件编译工具链新特性解析
CIRCT(Circuit IR Compilers and Tools)是一个开源的硬件编译器基础设施项目,旨在为硬件设计提供现代化的编译器技术。该项目基于MLIR框架,为芯片设计领域提供了从高级硬件描述语言到低层次实现的完整工具链。最新发布的firtool-1.110.0版本带来了一系列值得关注的改进和新功能。
核心功能增强
本次更新在FIRRTL(Flexible Intermediate Representation for RTL)处理方面进行了多项优化。其中新增了高级层下沉(AdvancedLayerSink)功能,该功能允许通过克隆操作来实现操作的下沉,这为硬件设计中的逻辑优化提供了更灵活的手段。同时,针对断言(Assert)操作进行了规范化处理,当时钟条件中的谓词(p)和使能(e)相等时,可以自动进行优化。
在验证相关功能方面,新增了Booth乘法器合约示例,为形式化验证提供了实用的参考案例。同时,对SMT(可满足性模理论)求解器的集成进行了改进,增加了仅上升沿时钟模式,并扩展了Z3库的检查功能,提升了形式验证的准确性和灵活性。
中间表示转换优化
本次版本在中间表示转换方面有多项重要改进:
- Affine到SCF(Static Control Flow)的转换现在支持Calyx后端,这为高级综合提供了更好的基础支持。
- 针对Calyx后端的SCF转换增强了条件操作的处理能力,特别是对带有顺序条件的if操作进行了专门优化。
- 在LowerToBMC(Bounded Model Checking)过程中增加了comb方言作为依赖项,确保了转换过程的完整性。
系统级验证增强
系统级验证工具链获得了显著增强:
- 对SMT到Z3 LLVM的转换进行了改进,修正了printf类型查找的问题,提升了调试信息的准确性。
- 新增了仅上升沿时钟模式,为时序电路的形式验证提供了更精确的建模能力。
- 扩展了Z3库的集成测试覆盖范围,确保求解器集成的稳定性。
输出与代码生成改进
在输出处理和代码生成方面,本次更新包含以下改进:
- SV(SystemVerilog)方言新增了预处理器包含操作,为代码生成提供了更丰富的元数据处理能力。
- 输出文件属性处理得到增强,现在可以在Verilog导出过程中正确回注输出文件属性。
- Python绑定增加了对OutputFileAttr文件名的支持,提升了脚本化流程的灵活性。
底层基础设施更新
项目底层同步更新至LLVM的最新提交4d5a963eaf6ad209487a321dee7f0cd2a0f98477,确保了编译器基础设施的稳定性和最新功能支持。OM(Object Model)方言的CAPI接口得到了完善,新增了对Map类型检查的支持。
技术影响与应用价值
firtool-1.110.0版本的这些改进共同提升了CIRCT项目在硬件设计自动化领域的实用价值。从高级综合到形式验证,从中间表示转换到最终代码生成,各个环节都获得了功能增强和稳定性提升。特别是对验证相关功能的加强,使得该工具链在确保硬件设计正确性方面更加可靠。
这些改进使得CIRCT项目在构建从高级硬件描述到底层实现的完整工具链方面又向前迈进了一步,为硬件设计工程师和研究者提供了更强大、更可靠的编译基础设施。无论是用于学术研究还是工业级芯片设计,这个版本都值得关注和采用。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00