DirectXShaderCompiler 新增 AllocateRayQuery2 DXIL 操作码解析
在 DirectX 着色器编译器的最新开发中,团队为支持不透明度微映射(OMM)特性新增了一个重要的 DXIL 操作码 - AllocateRayQuery2。这个新操作码是对现有 AllocateRayQuery 的扩展版本,为光线查询功能带来了更强大的灵活性。
技术背景
在光线追踪着色器中,RayQuery 对象是执行光线查询的核心数据结构。传统的 AllocateRayQuery 操作码用于在着色器中分配和初始化 RayQuery 对象。随着不透明度微映射(OMM)技术的引入,原有的操作码已不能满足新的需求。
不透明度微映射是一种优化技术,它允许更精细地控制几何体的不透明度特性,从而在光线追踪过程中实现更高效的相交测试和更精确的渲染效果。
新增功能特性
AllocateRayQuery2 操作码的主要改进在于它支持一个新的模板参数。这个参数可以在 HLSL 中构造 RayQuery 对象时作为可选参数提供,为光线查询行为提供额外的控制能力。
具体来说,这个新特性允许开发者在创建 RayQuery 对象时指定额外的配置选项,这些选项可以影响光线查询的执行方式,特别是在处理具有不透明度微映射的几何体时。
实现要求
为了完整支持这一特性,开发团队需要完成以下工作:
- 在 DXIL 操作码集合中正式添加 AllocateRayQuery2 定义
- 确保编译器能够正确生成包含新操作码的 DXIL 代码
- 实现对新操作码的验证逻辑,包括参数检查和正确使用场景的验证
- 编写全面的测试用例,验证操作码在各种使用场景下的正确性
技术意义
这一新增操作码代表了 DirectX 光线追踪功能的持续演进。通过提供更细粒度的控制能力,开发者可以:
- 更高效地利用不透明度微映射技术
- 实现更精确的光线相交测试
- 优化光线追踪性能
- 支持更复杂的材质和几何体表现形式
未来展望
随着光线追踪技术的不断发展,我们可以预见 DXIL 操作码集合将继续扩展,以支持更先进的渲染技术和优化手段。AllocateRayQuery2 的引入为未来可能的扩展奠定了基础,为更复杂的光线追踪功能预留了设计空间。
这一变更虽然看似只是增加了一个操作码,但实际上它代表了 DirectX 着色器编译器对新兴图形技术的快速响应能力,确保了开发者能够充分利用硬件提供的最新特性。
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