《Python潮流周刊》第165期发布,涵盖12篇文章、12个开源项目及3则音视频。重点包括Mojo正式开源、IPython使用、Python 3迁移、RISC-V官方支持、Django与PostgreSQL匹配、PEP 843和822提案等。项目推荐如aiperf、VoiceStudio、tortoise-orm等,并推广付费订阅以获取全文。
无法提供摘要,因为提供的文本仅包含一个链接和无关内容,没有实质性文章信息。
Mojo🔥语言现已完全开源,采用Apache 2.0许可证(含LLVM例外)。其编译器、工具链及标准库源码已发布在Modular的GitHub仓库中。用户可通过Bazel命令从源码构建编译器或使用预编译版本。目前暂不接受编译器贡献,计划年底开放。此举旨在推动语言发展,吸引社区参与。
Modular宣布将高通数据中心AI加速器(如Cloud AI 100和Dragonfly系列)集成到其平台,支持开发者用同一套软件栈运行于NVIDIA、AMD和高通芯片。通过Mojo和MAX框架,团队在不到六个月内成功部署Gemma 4模型,实现高性能推理,强调可移植性和快速集成。
Modular在ModCon大会上宣布其AI平台已生产就绪,Mojo语言1.0全面开源(Apache 2.0),并与微软合作支持Windows。Modular Cloud正式上线,服务MiniMax等客户,扩展支持AWS Trainium、Google TPU及高通芯片,旨在构建异构计算统一软件基础,推动行业联盟。
Mojo语言正式发布1.0版本,标志着其从开发阶段迈向稳定、生产就绪的语言基础。该版本简化了语法,统一了变量声明和闭包等特性,并新增多项功能。社区贡献显著,近200名开发者提交了超1100个PR。未来计划包括开源编译器、增强异步编程等。同时,MAX平台也更新了安装方式和模型支持。
文章介绍了Wiki Haven网站,用户可下载Perl.Wiki V 1.52、cpan.metacurator.tree.html V 1.29和Mojo.Wiki V 1.23等多个软件版本。
文章介绍了Wiki Haven上的两个维基和CPAN上的新版本,包括CPAN::MetaCurator V 1.26,以及多个新许可证的模块,如Crypt::PasswdMD5 V 1.46和Tree系列模块。
Modular 26.4版本推出,支持MiniMax M3和GLM 5.2等前沿模型,增强了模型架构和API兼容性。新功能包括稀疏激活的Mixture-of-Experts(MoE)架构,提升了性能和开发体验。用户可通过Modular Cloud访问500多种模型架构,支持多种应用场景。
Modular 26.4版本推出,支持MiniMax M3和GLM 5.2等前沿模型,增强了模型架构和API兼容性。新功能包括稀疏激活的Mixture-of-Experts(MoE)架构,提升性能和开发体验。用户可通过Modular Cloud访问500多种模型架构,适用于多种应用场景。
作者在CPAN上上传了CPAN::MetaCurator和CPAN::MetaPackager的最新版本,并在Wiki Haven上更新了Perl.Wiki、cpan.metacurator.tree.html和Mojo.Wiki。
Hippocratic AI与Modular结合,实现实时患者对话。Mojo 1.0 Beta正式发布,新增视频生成功能。社区积极参与,开发了多个项目,包括Mojo应用和科学库。
Modular发布了Mojo 1.0.0b1,展示了如何利用AI代理快速构建应用程序和库。开发者可以在几周内创建多个Mojo库和一个生产级应用,显著提高开发效率。该项目强调API设计的重要性,并通过一致的项目结构和测试模式,促进Mojo生态系统的快速发展。
Modular推出了Mojo语言,旨在提升现代AI编程效率。Mojo具有简洁的语法和强大的类型系统,能够在编译时捕捉错误,减少调试时间。用户可以通过AI代理技能快速将CUDA代码转换为Mojo,支持多种GPU架构。Mojo 1.0 beta版已发布,用户可利用这些技能加速Python代码或替换CUDA。
Modular发布了Mojo 1.0测试版,标志着新语言时代的开始。此次更新包括视频生成、多GPU支持和简化的Mojo语法,旨在提升开发者体验并促进广泛采用。
本文提到可从Wiki Haven下载的工具,包括Perl.Wiki 1.45、cpan.metacurator.tree.html 1.17、Mojo.Wiki 1.18和PHP.Wiki 1.02。此外,CPAN::MetaCurator 1.17已发布至MetaCPAN。
Modular推出的Structured Mojo Kernels旨在提升GPU编程的可维护性和性能。该架构通过组件化设计,实现了在不同硬件上高效运行的能力。与传统方法相比,Structured Mojo Kernels显著减少了代码量,同时保持与CUTLASS相同的性能,展现了可重用性和资源管理的优势。
本文讨论了结构化Mojo内核的设计,强调模块化编程的优势。通过示例展示了如何灵活替换和参数化内核组件,以适应不同的数据访问模式和数据类型,从而提高内核的维护和扩展效率,减少代码冗余和错误传播。
在NVIDIA GTC展会上,我们展示了基于MAX框架的FLUX图像生成和Mojo编程的CUTLASS内核移植。DeepSeek V3在云端运行,提供实时指标,欢迎到3004号展位交流。
Modular收购BentoML,旨在提供云端AI生产解决方案。文章介绍了结构化Mojo内核架构,强调其在GPU内核中的优势,如减少代码量和提高性能。通过分离数据移动、管道协调和计算,结构化内核实现了跨硬件的可扩展性,简化了开发过程。
完成下面两步后,将自动完成登录并继续当前操作。