llama2.mojo比llama2.c快20%，最年轻的语言Mojo惊艳开发者社区

机器之心报道

编辑：梓文

你听说过 Mojo 的「传奇色彩」吗？

如果说 Python 是最流行的语言，C 语言是最经典的语言，那么 Mojo 也有它的之最 —— 最年轻。Mojo 能够与 Python 无缝衔接，它的出世被称作为「几十年来最大的编程进步」。

图源：
https://www.modular.com/blog/mojo-its-finally-here

自 5 月 Mojo 推出以来，已经有超过 12 万的开发者注册使用 Mojo Playground，并有超过 1.9 万的开发者在 Discord 和 GitHub 上积极讨论 Mojo。9 月 7 日，Modular 公司宣布 Mojo 可以在本地下载。Mojo 最初的目标是比 Python 快 35000 倍，近日该团队表示，Mojo 将动态与静态语言的优点结合起来，一举将性能提升达 Python 的 68000 倍。

Mojo

Mojo 是一种面向 AI 开发人员的新编程语言，它已经支持与任意 Python 代码无缝集成，并将成长为 Python 的超集。让我们回顾一下 Mojo 的「魅力」。

• 用一种语言编写所有内容：Mojo 可满足 AI 开发人员的需求，将 Python 的易用性与系统编程功能相结合。这使研究和部署团队可以在一个共同的代码库中工作，从而简化工作流程。
• 释放 Python 性能：Python 无处不在，但对于需要高性能或特殊硬件的任务来说，Python 并非最适合的工具。Mojo 可在 CPU 上实现高性能，并支持 GPU 和 ASIC 等特殊加速器，提供与 C++ 和 CUDA 不相上下的性能。
• 访问整个 Python 生态系统：Mojo 提供了与 Python 生态系统的完全互操作性，可以无缝使用 Python 库，同时利用 Mojo 的功能和性能优势。

Mojo 本地下载所提供的工具箱也可以让开发者更轻松地上手。首次发布的 Mojo SDK 包含了以下工具：

• Mojo 驱动程序：提供 shell（用于读取 - 评估 - 打印 - 循环或 REPL），允许构建和运行 Mojo 程序、打包 Mojo 模块、生成文档和格式化代码‍。
• Visual Studio Code (VS Code) 的扩展：支持语法高亮、代码自动补全等多种功能‍
• Jupyter 内核：支持构建和运行 Mojo 笔记本，包括 Python 代码 ‍
• 调试支持（即将推出）：进入并检查运行中的 Mojo 程序，甚至可以混合使用 C++ 和 Mojo 堆栈帧

就在近日，一位 Mojo 社区成员将 Python 程序移植到 Mojo，效果如何？

llama.mojo

项目地址：https://github.com/tairov/llama2.mojo

随着 Mojo 的发布，这位 Mojo 社区成员受到启发，将在 Python 上移植的 llama2.py 移植到了 Mojo 上。它已经比 Karpathy 的 llama.c 快了 20%。而这并不是速度的终点，未来可能会更快。

llama2.py、llama2.c、llama2.mojo 的直观对比

这个版本利用了 Mojo 的 SIMD 和矢量化原语，将 Python 的性能提高了近 250 倍。即使在快速运行模式下，Mojo 版本的性能也比原来的 llama2.c 高出 15-20%。这展示了通过 Mojo 高级功能进行硬件级优化的潜力。这有助于大家了解在原有 llama2.c 硬件优化的基础上还能走多远。

性能数据对比

当然，这位成员也公布了操作系统与硬件细节。

看到这样的性能比较，网友们纷纷感慨，Mojo 的确展现了自己的「实力」。

但是也有网友提出了不一样的看法，或是另一个探索方向。

Llama.c 不是为了快速运行而调优的，而是为了理解一个文件中的代码。它 llama.cpp 比起来会是怎样？

Mojo 与他的背后「大佬」

Modular AI 于 2022 年创立，旨在重建全球 ML 基础设施，它由 LLVM 和 Swift 编程语言的联合创始人 Chris Lattner 创办，并在此前刚获得 1 亿美元融资。Chris Lattner 表示，融资将用于产品扩展、硬件支持和推动自研 AI 编程语言 Mojo 的进一步发展。

Chris Lattner

Chris Lattner 毕业于波特兰大学的计算机科学系，具有创建和领导多个知名大型项目的经验，其中包括 LLVM、Clang、MLIR 和 CIRCT 等编译器基础设施项目，他还带头创建了 Swift 编程语言。他曾在苹果的开发者工具部门任职，还担任过特斯拉副总裁。2017 年 8 月，他 任 Google Brain 团队领导了 TensorFlow 基础设施工作，包括一系列硬件支持（CPU、GPU、TPU），底层运行时和编程语言工作。

在 llama.mojo 的性能对比发布后，Chris Lattner 在推特上感慨到，这离 Mojo 可本地下载只隔了三天。

https://twitter.com/Modular_AI/status/1701342288012820800

https://twitter.com/tairov/status/1701194900228764023

https://github.com/tairov/llama2.mojo