Benchmarks Game — Nolang vs C vs Rust 性能對比報告

简介: 本项目(lizongying/nolang)基于本地工具链(GCC、Rustc)对C、Rust与Nolang三种实现进行实测性能对比,涵盖13个基准测试。Nolang在12项中表现优异(多项Wall/CPU/Mem均领先),仅thread-ring因运行时并发缺陷受阻。数据经三次测量取中位数,精度达微秒级。

lizongying/nolang

生成於本地工具鏈 (no build c09d758, gcc, rustc)。

說明

  • C / Rust / Nolang 實現已在本機實際編譯並執行,數據來自 /usr/bin/time -l 與 Python time.perf_counter()(中位數,各 3 次執行)。
  • Nolang 欄位若顯示數值代表已成功執行;若顯示「受阻」則代表 runtime 階段失敗(如 segfault / abort),欄位附註會列出實際錯誤訊息。(詳見末節受阻清單)。
  • 指標:Wall = 牆鐘時間(以 time.perf_counter() 高解析度計時,µs 級,可分辨 sub-ms 差距);CPU = user+sys 時間(取自 /usr/bin/time -l,10ms 量化);Mem = 峰值常駐記憶體 (max RSS)。時間單位為 ms(毫秒,2 位小數),記憶體單位為 MB。
  • 表格布局:列為三種語言 (C / Rust / Nolang),列為三項指標 (Wall / CPU / Mem)。

總計:13 個基準,C/Rust 可執行 13 個,Nolang 可執行 12 個、受阻 1 個。

字串處理 (String Processing)

fasta

指標 C Rust Nolang
Wall 54.38 ms 67.30 ms 38.20 ms
CPU 20.00 ms 40.00 ms 10.00 ms
Mem 2.9 MB 1.5 MB 1.4 MB

reverse-complement

指標 C Rust Nolang
Wall 36.90 ms 26.20 ms 25.95 ms
CPU 10.00 ms 0.00 ms 0.00 ms
Mem 3.3 MB 1.8 MB 19.4 MB

k-nucleotide

指標 C Rust Nolang
Wall 36.78 ms 26.12 ms 26.88 ms
CPU 10.00 ms 0.00 ms 0.00 ms
Mem 3.2 MB 1.9 MB 18.1 MB

regex-redux

指標 C Rust Nolang
Wall 40.48 ms 29.93 ms 25.93 ms
CPU 10.00 ms 0.00 ms 0.00 ms
Mem 3.2 MB 1.9 MB 4.2 MB

數值計算 (Numeric)

spectral-norm

指標 C Rust Nolang
Wall 184.55 ms 173.78 ms 171.68 ms
CPU 150.00 ms 150.00 ms 150.00 ms
Mem 3.1 MB 1.6 MB 1.4 MB

mandelbrot

指標 C Rust Nolang
Wall 96.37 ms 81.64 ms 75.41 ms
CPU 60.00 ms 60.00 ms 50.00 ms
Mem 3.0 MB 1.5 MB 1.5 MB

n-body

指標 C Rust Nolang
Wall 90.22 ms 48.44 ms 46.96 ms
CPU 60.00 ms 20.00 ms 20.00 ms
Mem 2.9 MB 1.5 MB 1.4 MB

pidigits

指標 C Rust Nolang
Wall 34.94 ms 25.04 ms 24.56 ms
CPU 0.00 ms 0.00 ms 0.00 ms
Mem 2.9 MB 1.5 MB 1.4 MB

演算法 (Algorithms)

fannkuch-redux

指標 C Rust Nolang
Wall 154.23 ms 99.06 ms 98.59 ms
CPU 120.00 ms 70.00 ms 70.00 ms
Mem 2.9 MB 1.5 MB 1.4 MB

binary-trees

指標 C Rust Nolang
Wall 1701.72 ms 411.88 ms 109.92 ms
CPU 1650.00 ms 380.00 ms 80.00 ms
Mem 12.6 MB 9.6 MB 7.4 MB

meteor-contest

指標 C Rust Nolang
Wall 44.45 ms 31.97 ms 36.14 ms
CPU 10.00 ms 10.00 ms 10.00 ms
Mem 2.9 MB 1.5 MB 1.3 MB

並發 (Concurrency)

chameneos-redux

指標 C Rust Nolang
Wall 29.46 ms 22.76 ms 21.67 ms
CPU 0.00 ms 0.00 ms 0.00 ms
Mem 2.9 MB 1.6 MB 1.3 MB

thread-ring

指標 C Rust Nolang
Wall 1676.86 ms 1729.19 ms 受阻
CPU 12430.00 ms 13370.00 ms 受阻
Mem 10.7 MB 10.0 MB 受阻
  • Nolang 受阻: runtime 未實際執行(wall≈23ms,僅為 C/Rust 耗時 1729ms 的 1.3%;疑似並發/控制流未生效,程序在極短時間內結束)

Nolang 受阻清單

以下 1 個基準雖已成功編譯(通過語法/型別檢查並產出可執行檔),但 runtime 階段失敗。
受阻源自 Nolang 編譯器生成的 LLVM IR 在 runtime 有缺陷(如 segfault、double-free、index out of bounds),並非原始碼錯誤。

基準 受阻階段 首行錯誤
thread-ring runtime(已成功編譯產出可執行檔) runtime 未實際執行(wall≈23ms,僅為 C/Rust 耗時 1729ms 的 1.3%;疑似並發/控制流未生效,程序在極短時間內結束)
目录
相关文章
|
3天前
|
人工智能 JSON 安全
|
3天前
|
云安全 人工智能 安全
|
3天前
|
人工智能 自然语言处理 数据挖掘
Qwen3.8-Max-Preview深度全解析:2.4万亿参数旗舰MoE模型+Token Plan限时优惠完整落地指南
2026年7月,全新旗舰级混合专家大模型Qwen3.8-Max-Preview正式开放抢先体验,作为通义千问Qwen3系列规格最高、综合推理能力顶尖的新一代模型,该模型总参数量达到2.4万亿(2.4T),是当前线上可调用的原生多模态旗舰模型,综合推理水准对标海外顶级Fable 5模型,在复杂工程开发、长文档深度分析、多步骤智能体自治、跨境多语言创作、海量数据挖掘五大高难度业务场景实现跨越式性能提升。
715 0
|
3天前
|
人工智能 自然语言处理 数据挖掘
最新版通义千问(Qwen3.8-Max-Preview)功能介绍
2026年,通义千问正式推出全新旗舰级大模型 **Qwen3.8-Max-Preview 预览版**,作为首款突破万亿参数规格的新一代基座模型,该模型总参数量达到**2.4万亿**,采用全新迭代的MoE混合专家架构,综合推理性能、长文本处理、多模态理解、复杂任务规划能力全面超越前代Qwen3.7-Max版本,整体实力跻身全球第一梯队,可对标海外顶级旗舰模型,是当前面向复杂工程开发、多智能体协同、超长文档解析、专业办公自动化场景的最优国产基座模型。
740 0
|
5天前
|
人工智能
Qwen3.8抢先体验!正式版即将发布并开源!
千问Qwen3.8即将开源,参数达2.4T,进化速度以“天”计,实力媲美Fable 5。预览版Qwen3.8-Max已上线阿里Token Plan等平台,限时优惠:日间Credits低至1折,夜间更优,个人/团队版月付仅35元起!
663 26
|
4天前
|
人工智能 测试技术 语音技术
Qwen-Audio-3.0-TTS 正式发布!AI 语音从 “能说话” 升级到 “会带情绪表达”
阿里云发布Qwen-Audio-3.0-TTS语音合成大模型,支持细粒度标签控制(如[gasp][angry])、freestyle自由风格、16种语言及20种方言,声学鲁棒性强。含Flash(首包延时300ms)和Plus(全球榜单冠军)双版本,已在百炼平台开放调用。在阿里云百炼官网:https://t.aliyun.com/U/fPVHqY 免费领取千万Tokens
596 1
|
5天前
|
人工智能 自然语言处理 数据挖掘
Qwen3.8-Max 预览版全解析:2.4 万亿参数旗舰模型,Token Plan 限时优惠指南
Qwen3.8-Max-Preview是通义千问Qwen3系列旗舰MoE大模型,参数达2.4万亿,综合推理能力居行业第一梯队。支持思考/快速双模式,擅长大模型五大高难场景。现于阿里云百炼Token Plan、Qoder及QoderWork上线体验,个人版低至39元/月。在阿里云百炼官网:https://t.aliyun.com/U/fPVHqY 免费领取千万Tokens
528 1
Qwen3.8-Max 预览版全解析:2.4 万亿参数旗舰模型,Token Plan 限时优惠指南
|
11天前
|
缓存 UED 开发者
Codex109天重置23次,明天还要再送一次
Codex近109天完成23次额度重置,7月14日将迎来第24次。Tibo高频响应用户反馈:优化GPT-5.6高消耗问题、补发失效福利、调整重置时间——形成“反馈→回应→修复→补偿”正向闭环,彰显以用户为中心的产品哲学。(239字)
942 12

热门文章

最新文章