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智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00