解决riscv-gnu-toolchain在macOS上的libc++编译问题
在macOS系统上构建riscv-gnu-toolchain工具链时,开发者可能会遇到与libc++相关的编译错误。这些错误通常表现为__abi_tag__属性应用不当的问题,特别是在使用较新版本的Xcode工具链时。
问题现象
当使用macOS 14.6.1(Sonoma)系统自带的Apple Clang 15.0.0编译器构建riscv-gnu-toolchain时,编译过程会报错,错误信息显示__abi_tag__属性只能应用于结构体、变量、函数和命名空间,但当前却被错误地应用在了其他位置。
问题根源
这个问题源于GCC编译器与macOS系统libc++库的兼容性问题。具体来说,是GCC对C++标准库中某些特性的支持与新版本libc++的实现方式存在差异。该问题在GCC的bug跟踪系统中已有记录,并且已在GCC 13.3及更高版本中修复。
解决方案
目前有两种可行的解决方案:
-
使用GCC 13.3或更高版本: 开发者可以手动获取GCC 13.3或更高版本的源代码,并在构建riscv-gnu-toolchain时指定使用这些源代码:
git clone https://github.com/riscv-collab/riscv-gnu-toolchain cd riscv-gnu-toolchain git clone https://github.com/gcc-mirror/gcc -b releases/gcc-13.3.0 gcc-13.3.0 --depth=1 ./configure ... --with-gcc-src=`pwd`/gcc-13.3.0 make -
等待官方更新: riscv-gnu-toolchain项目正在准备升级到GCC 14.2版本,该版本已经包含了这个问题的修复。一旦这个更新合并到主分支,开发者就可以直接使用官方提供的工具链而无需额外配置。
技术背景
这个问题涉及到ABI(应用二进制接口)标签的使用。ABI标签是现代C++中用于版本控制和二进制兼容性的重要机制。不同编译器厂商对C++标准的实现细节可能存在差异,特别是在处理标准库特性时。GCC和Clang/libc++在这方面的实现差异导致了此次兼容性问题。
最佳实践建议
对于macOS开发者,建议:
- 关注riscv-gnu-toolchain项目的更新,特别是GCC版本的升级
- 如果急需使用,可以采用上述手动指定GCC源代码的方式
- 考虑使用Linux环境进行开发,通常能获得更好的兼容性
- 保持Xcode和命令行工具的更新,但要注意新版本可能引入的新问题
随着RISC-V生态系统的不断发展,工具链的跨平台支持也在持续改进。开发者可以期待未来版本中这些问题将得到更好的解决。
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-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