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。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00