The Forge引擎v1.59版本深度解析:输入系统重构与平台战略调整
项目简介
The Forge是一款跨平台的高性能图形渲染框架,旨在为游戏开发者提供统一的API接口,同时支持PC、移动设备和主机平台。该框架由ConfettiFX团队开发,采用模块化设计,强调高性能和跨平台兼容性。
核心更新内容
全新输入系统架构
开发团队彻底重构了输入系统,摒弃了原有的Gainput库,转而采用自主开发的C语言输入库。这一决策带来了几个显著优势:
-
架构一致性:新输入库的设计理念与渲染API保持一致,采用高层接口文件(IInput.h)配合平台特定实现的模式,使整体架构更加统一。
-
代码精简:相比Gainput,新实现的代码量更少,这对于小型开发团队而言意味着更低的维护成本和更高的开发效率。
-
平台适配性:每个目标设备都有专门的实现文件,使得针对不同平台的输入处理更加精准和高效。
图形API战略调整
-
Windows平台放弃Vulkan支持
- 经过多年实践验证,团队确定DirectX 12是Windows平台游戏开发的最佳选择
- 决策基于两点关键考量:减少QA工作量和提高运行稳定性
- Vulkan在PC平台频繁的版本升级要求与移动平台(团队更重视的市场)的滞后形成矛盾
-
移除API切换功能
- 不再支持运行时在DirectX 12和Vulkan之间切换(PC平台)
- 放弃OpenGL ES 2.0支持(Android平台),专注于Vulkan
- 这一变化反映了移动设备图形能力的普遍提升,使向后兼容变得不再必要
商业策略变更
-
商业中间件管理
- 从GitHub仓库中移除商业中间件代码
- 未来开发将仅在内部代码库中进行
-
主机平台授权政策
- 结束七年免费提供策略
- 对Xbox、PlayStation和Switch平台实施商业授权要求
技术优化与清理
-
单元测试精简
- 移除了"09a_HybridRaytracing"测试模块
-
第三方库整合
- 深度整合核心使用的第三方库,移除不再需要的组件
- 被移除的库包括:soloud(音频)、rmem(内存分析)、cjson(JSON解析)、MTuner(内存调优)、TinyXML(XML解析)
技术影响分析
此次更新体现了几个重要的技术趋势:
-
API标准化:在跨平台开发中,针对不同平台选择最优API而非追求统一API,这种务实策略往往能带来更好的性能和稳定性。
-
输入系统设计:自主开发输入系统虽然初期投入较大,但长期来看可以提供更好的可维护性和平台适配能力,特别是对于有特殊输入需求的游戏类型。
-
移动图形演进:放弃OpenGL ES 2.0支持标志着移动设备图形能力已普遍达到可以完全依赖现代图形API的水平。
开发者建议
对于使用The Forge框架的开发者,建议关注以下几点:
-
输入系统迁移:需要评估新输入系统与现有项目的兼容性,特别是自定义输入处理逻辑的部分。
-
图形API选择:如果项目有特殊的多API需求,可能需要考虑维护自定义分支或寻找替代方案。
-
长期规划:商业授权政策的变更可能影响项目预算,特别是针对主机平台的开发计划。
The Forge v1.59版本的这些变化反映了框架在成熟过程中的自然演进,从追求功能全面性转向更加注重核心功能的稳定性和可维护性,这对于长期项目而言通常是积极的发展方向。
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