PresentMon 2.3.1版本发布:帧率监测工具的全面升级
PresentMon是一款专业的Windows平台帧率监测工具,主要用于游戏和图形应用程序的性能分析。它能够捕获并记录应用程序的帧呈现数据,帮助开发者优化性能、诊断问题。最新发布的2.3.1版本带来了多项重要改进,特别是在帧率测量精度、GPU监控和安全架构方面。
帧率监测能力的显著提升
2.3.1版本引入了三种新型FPS覆盖指示器,为帧交付行为提供了更清晰的视图:
- FPS-Presents:测量帧被提交到GPU的频率
- FPS-Display:记录帧实际在屏幕上显示的速率
- FPS-App:通常与FPS-Presents相同,但在帧生成场景下会有所不同
这些指标特别有助于分析涉及帧生成技术的场景,如DLSS或FSR等超分辨率技术。开发者现在可以更精确地区分应用程序生成的帧数和实际显示的帧数,这对于性能优化和帧生成技术评估至关重要。
增强的GPU监控功能
新版本扩展了对GPU遥测数据的支持,目前主要针对Intel Arc Battlemage GPU系列,新增了以下关键指标:
- GPU有效频率
- GPU电压调节器温度
- GPU内存有效带宽
- GPU过压百分比
- GPU温度百分比
- GPU功率百分比
- GPU风扇转速百分比
- GPU卡总功率(整板功耗)
这些数据为硬件工程师和游戏开发者提供了更全面的GPU状态视图,有助于进行热设计评估和功耗优化。
时序数据与CSV支持的改进
2.3.1版本重新引入了多个时序指标到CSV输出中,包括:
- 帧呈现间隔时间(MsBetweenPresents)
- 显示变化间隔时间(MsBetweenDisplayChange)
- 呈现处理时间(MsInPresent)
- 渲染呈现延迟(MsRenderPresentLatency)
- 显示延迟(MsUntilDisplayed)
虽然MsBetweenSimulationStart和MsPCLatency目前仍处于禁用状态,但这些改进已经大大增强了性能分析的深度和广度。
架构与安全性的重大革新
本次更新对PresentMon的底层架构进行了重要重构:
- 权限模型优化:重新设计了多进程架构,使PresentMon可以在非管理员权限下运行,提高了安全性。
- 前端安全增强:确保Chromium UI前端即使在提升权限运行时也能以降低的完整性级别运行。
- 前端技术栈升级:从已停止维护的Vue.js 2和Vuex迁移到Vue.js 3和Pinia,提高了前端稳定性和安全性。
API与开发工具改进
2.3.1版本对开发者体验也做了多项优化:
- 通过部署PresentMonAPI.dll并采用动态加载模型,实现了二进制版本的稳定兼容性
- 新增Loader.dll和静态导入.lib,简化了API的发现和端点解析
- 增加了ETL修剪器实用程序(目前仅提供源代码),用于按时间戳范围修剪ETL文件并删除不必要的事件类型
实验性功能
新版本包含了一个有趣的实验性功能:能够向目标进程注入可执行代码,在鼠标点击时在游戏中绘制闪光效果。这一功能专为配合专业光学测量仪器使用而设计,可能用于输入延迟测量或人机交互研究。
性能优化与自定义选项
考虑到高帧率应用的需求,2.3.1版本将默认环形缓冲区大小增加到2048,并添加了命令行参数允许手动配置缓冲区大小。此外,还新增了CLI选项来禁用覆盖层alpha混合,这在某些情况下可以减少覆盖层对目标呈现时序的影响。
总结
PresentMon 2.3.1版本在帧率监测精度、GPU监控深度、系统安全性和开发者体验等方面都做出了重要改进。特别是新增的FPS指标和GPU遥测数据,为游戏开发者和硬件工程师提供了更全面的性能分析工具。架构上的安全改进使得工具更加可靠,而实验性功能的加入则展示了工具在专业测量领域的扩展潜力。这些改进共同使PresentMon继续保持在图形性能分析工具的前沿位置。
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