AMDVLK开源项目2025.Q2.1版本发布:性能优化与功能增强
AMDVLK是AMD公司开源的Vulkan驱动实现,为开发者提供了高性能的Vulkan API支持。该项目遵循Khronos Group的Vulkan规范,为AMD GPU硬件提供了完整的Vulkan 1.x实现。AMDVLK驱动不仅支持Windows和Linux平台,还具有开源、透明、可定制等特点,深受开发者和游戏玩家的青睐。
2025.Q2.1版本核心更新
本次发布的2025.Q2.1版本带来了多项重要更新,包括对新硬件的支持、性能优化以及问题修复等方面。
Vulkan规范支持升级
开发团队将Khronos Vulkan Headers更新至1.4.313版本,同时将兼容性测试套件(CTS)升级至1.4.1.3版本。这意味着AMDVLK驱动现在完全支持Vulkan 1.4规范的最新修订版,为开发者提供了更全面的API功能支持。
新增硬件支持
本次更新特别增加了对AMD Hawk Point 1和2系列GPU的支持。Hawk Point是AMD最新推出的GPU架构,针对高性能计算和图形渲染进行了优化。通过AMDVLK驱动的支持,开发者现在可以充分利用这些新硬件的性能优势。
扩展功能增强
2025.Q2.1版本新增了对三个重要Vulkan扩展的支持:
-
VK_EXT_image_2d_view_of_3d:该扩展允许开发者从3D图像创建2D视图,为纹理处理提供了更大的灵活性。
-
VK_EXT_shader_replicated_composites:这一扩展优化了着色器中的复合操作,提升了特定计算场景下的性能。
-
VK_KHR_maintenance8:作为Vulkan维护扩展的一部分,它提供了一些核心功能的改进和优化。
性能优化措施
开发团队在此版本中实施了几项重要的性能优化:
-
默认暴露更多队列:通过增加默认可用的队列数量,提高了多任务并行处理的效率,特别有利于现代游戏引擎和多线程应用。
-
Navi48显卡游戏性能调优:针对Navi48架构进行了专门的性能优化,提升了多款游戏在该架构上的运行表现。
关键问题修复
2025.Q2.1版本解决了多个影响用户体验和开发效率的问题:
-
图形渲染问题:修复了《Surge 2》游戏在Alt+Tab切换时的闪烁问题,以及《幽灵行动:断点》在调整窗口大小时出现的画面损坏问题。
-
水面反射修复:解决了《Far Cry》系列游戏中水面反射出现损坏的问题,提升了游戏视觉效果。
-
内存泄漏与挂起:修复了《天国降临:救赎2》在长时间游戏后可能出现的内存泄漏和系统挂起问题。
-
阴影渲染问题:解决了《古墓丽影:暗影》游戏中可能出现的挂起问题。
-
着色器功能完善:修复了在使用vk_khr_pipeline_executable_properties时网格着色器无法正常工作的问题。
-
CTS测试失败:解决了在dEQP-VK.pipeline测试套件中与逻辑操作和NA格式相关的测试失败问题。
技术实现细节
从技术角度看,本次更新体现了AMDVLK团队在以下几个方面的深入工作:
-
硬件抽象层优化:通过增加对新架构的支持,展示了驱动在硬件抽象层的持续改进,确保新GPU能够充分发挥性能。
-
图形管线完善:对水面反射、阴影渲染等问题的修复,反映了团队在图形管线实现上的精细调整。
-
内存管理增强:解决了内存泄漏问题,表明团队在资源管理和内存分配机制上做出了重要改进。
-
并发处理能力提升:通过暴露更多队列,增强了驱动的多任务处理能力,这对现代游戏引擎尤为重要。
开发者建议
对于使用AMDVLK驱动的开发者,建议关注以下几点:
-
新扩展的应用:考虑在项目中利用新增的扩展功能,如2D视图和着色器优化,以提升应用性能。
-
性能测试:针对Navi48架构的应用,建议进行新的性能基准测试,评估优化效果。
-
问题验证:如果之前受到已修复问题的影响,建议验证新版本中的改进情况。
-
兼容性测试:虽然更新了Vulkan Headers和CTS版本,但仍建议进行全面的兼容性测试。
总结
AMDVLK 2025.Q2.1版本是一次重要的功能性和稳定性更新,不仅增加了对新硬件的支持,还通过多项优化提升了整体性能。特别是对游戏体验的改进,将使终端用户直接受益。作为开源Vulkan驱动,AMDVLK持续展示着AMD对开放图形生态的承诺,为开发者提供了强大的工具支持。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-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