经过近一个完整版本号的准备工作,期待已久的Linux内核终止486芯片支持即将在今年晚些时候发布的Linux 7.1中实现。
计划在7.1合并窗口期内的补丁是由资深Linux内核贡献者Ingo Molnar在3月底提交的,但直到上周末才广泛引起关注。如果合并成功,该补丁将通过从Kconfig中移除M486、M486SX和MELAN配置选项来开始逐步淘汰对80486代芯片的支持,实际上阻止新的上游内核专门为486级系统进行配置。
这一变化酝酿已久,将开启自2012年移除80386处理器支持以来首次从内核中移除处理器架构支持的进程。
正如Linux之父Linus Torvalds在2022年首次考虑从内核中移除80486芯片时所指出的,他在终结386支持时同样不带感情色彩。
"我真的不认为i486级硬件还有任何相关性,"Torvalds在2022年表示,注意到虽然一些人可能仍在操作486系统,但从内核开发的角度来看它们已不再相关。"在某个时候,人们把它们作为博物馆展品。它们同样可以运行博物馆级的内核。"
换句话说,如果你想运行旧硬件,从7.1版本开始,你就必须依赖旧版本的Linux内核。
这并不意味着内核维护者们没有为486支持的清理工作努力一段时间——Molnar首次提议放弃486支持是在2025年4月。
Molnar在2025年4月下旬发布的补丁说明中提到了他与Torvalds的讨论,重申了是时候放弃486支持的看法,因为这浪费了开发者的时间。Molnar在说明中同样为取消486支持提供了理由。
"我们在x86-32上有各种复杂的硬件仿真设施来支持古老的32位CPU,而很少有人在现代内核中使用这些CPU,"Molnar解释道。"这种兼容性粘合有时甚至会造成问题,人们需要花时间来解决,而这些时间本可以用在其他事情上。"
为了避免这种时间浪费,Molnar最初提议通过要求下一个内核版本需要芯片支持时间戳计数器和CMPXCHG8B指令来消除486支持,而这些功能在80486系列芯片和一些586衍生产品中并不存在。
目前还不清楚自这一提议提出近一年来发生了什么,但从这些建议开始的kernel.org讨论链已经持续了一年,Molnar自那时起对他的提议进行了多轮修改。根据最新的合并请求,似乎选择简单切断486系列芯片的配置选项作为前进方向。
随着Linux内核7.0的最终版本预计在未来几个月内发布,7.1可以预期在今年年中某个时候推出,不过这个486终结补丁提议是否最终被采用还有待观察。
无论如何,Molnar在他的请求中指出,最近没有支持486芯片的内核包,因此"实际用户不应受到影响"。"传统用户可以继续使用旧内核,"Molnar补充道。
Q&A
Q1:Linux 7.1为什么要移除i486支持?
A:主要原因是i486级硬件已经不再具有相关性,维护这些古老硬件的兼容性浪费开发者时间,有时甚至会造成问题需要解决。Linux创始人Torvalds认为,这些设备现在更像是博物馆展品,应该运行博物馆级的内核。
Q2:移除i486支持会影响现有用户吗?
A:不会影响现有用户。据Molnar说明,目前没有支持486芯片的最新内核包,实际用户不会受到影响。传统用户可以继续使用旧版本的内核来运行他们的486系统。
Q3:这是Linux内核首次移除处理器架构支持吗?
A:不是首次。这将是自2012年移除80386处理器支持以来,Linux内核首次移除处理器架构支持。之前Linux已经有过类似的做法,当硬件变得过于陈旧时会逐步淘汰支持。
好文章,需要你的鼓励
亚马逊宣布向Anthropic追加50亿美元投资,分析师指出此举更多是为解决AI算力瓶颈。根据协议,Anthropic将锁定AWS最高5吉瓦的Trainium芯片算力,包括新一代Trainium 3和Trainium 4。此前Anthropic因容量不足被迫限流,此次扩容将提升用户并发支持能力。协议还涵盖亚欧地区推理算力扩展。分析师指出,此类交易已超越传统风险投资范畴,本质是"供应链融资"——将股权投资与云计算承诺捆绑,以锁定客户并确保资本回报。
这篇由清华大学、香港大学、美团LongCat团队等机构联合发布于2026年4月的综述(arXiv:2604.10098),是关于Transformer"注意力沉积"(Attention Sink)问题的首篇全面系统性研究。注意力沉积是指AI模型将大量注意力集中到语义无关的词上的普遍现象。综述梳理超过180篇研究,围绕"如何利用、如何解释、如何消除"三个维度构建了完整知识体系,涵盖大语言模型、视觉Transformer、多模态模型等多种架构,为AI推理效率、幻觉治理和低精度部署提供了系统性指导。
前微软工程师Dave Plummer是任务管理器的原始开发者,他近日解释了CPU使用率显示背后的原理。任务管理器并非实时读取CPU数值,而是通过定时器采样,计算两次采样间的CPU累计执行时间差来估算使用率。这一方法在早期静态时钟频率的CPU上表现良好,但在现代CPU动态调频、核心休眠等机制普及后,显示结果更接近"占用率"而非真实"生产力",导致数字有时显得不够精准。
这项由加州大学圣地亚哥分校等多家机构联合发布于2026年4月的研究(arXiv:2604.11201),推出了名为COCOABENCH的AI综合能力测试平台,包含153道需要同时运用视觉理解、网络搜索和编程三种能力的真实任务,并配套轻量级测试框架COCOA-AGENT。测试发现,当前最强AI系统成功率仅为45.1%,主要失败原因集中在推理规划、工具执行和视觉感知三大方面,揭示了现有AI距离"真正全能数字助手"仍有显著差距。