Slang项目新增Cluster Geometry加速结构内建函数支持
概述
随着NVIDIA Blackwell架构的发布,光线追踪技术迎来了新的Cluster Geometry加速结构特性。作为现代着色器语言编译器的Slang项目,近期完成了对这一新特性的支持,为开发者提供了访问集群加速结构的能力。
Cluster Geometry技术背景
Cluster Geometry是NVIDIA在最新硬件架构中引入的一种新型加速结构,它将几何体组织成多个集群(Cluster),每个集群拥有唯一的标识符。这种结构带来了几个显著优势:
- 更精细的几何体管理粒度
- 更高效的光线追踪性能
- 支持更复杂的场景组织方式
Slang中的实现细节
Slang编译器现在支持三种主要API中的集群访问功能:
1. TraceRay API支持
开发者现在可以通过NvRtGetClusterID()内建函数获取当前光线追踪过程中的集群ID。这个功能对应于SPIR-V中的ClusterIDNV操作码和OptiX中的optixGetClusterId()函数。
2. HitObject API增强
HitObject接口新增了GetClusterID()方法,允许在命中着色器中查询命中对象的集群信息。底层实现映射到SPIR-V的OpHitObjectGetClusterIdNV操作码。
3. Ray Query API扩展
Ray Query接口增加了两个新方法:
CandidateClusterID():获取候选交点的集群IDCommittedClusterID():获取已提交交点的集群ID
这些方法为开发者提供了更精细的光线追踪控制能力。
底层技术实现
在SPIR-V层面,这些新特性依赖于SPV_NV_cluster_acceleration_structure扩展和RayTracingClusterAccelerationStructureNV能力标志。Slang编译器现在能够正确生成这些SPIR-V指令,确保与底层硬件的兼容性。
开发者价值
这一更新为使用Slang的开发者带来了直接的技术优势:
- 更高效的场景遍历:通过集群ID可以优化复杂场景的光线追踪性能
- 更精细的着色控制:基于集群ID实现差异化的着色效果
- 更好的硬件特性利用:充分发挥最新GPU架构的性能潜力
总结
Slang项目对Cluster Geometry加速结构的支持,体现了该项目紧跟图形硬件发展前沿的承诺。这一更新不仅丰富了着色器语言的功能集,也为光线追踪应用开发开辟了新的优化可能性。开发者现在可以借助这些新特性,构建更加高效和复杂的实时渲染解决方案。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00