Shader-Slang项目v2025.9.2版本发布:动态类型支持与数学函数增强
Shader-Slang是一个开源的着色器编程语言和编译器框架,旨在为图形开发者提供更灵活、更强大的着色器开发工具链。该项目不仅支持传统的着色器编程范式,还引入了许多现代编程语言的特性,使得着色器开发更加高效和可维护。
动态类型支持:dyn关键字引入
本次v2025.9.2版本最重要的更新是引入了dyn关键字的初步支持,这标志着Shader-Slang开始向动态类型系统迈进。dyn关键字允许开发者在需要时使用动态类型,这在处理复杂渲染管线或需要运行时灵活性的场景中特别有用。
动态类型支持通过新的-lang 2026编译器选项启用,这表明该特性将被纳入未来的语言标准中。开发者现在可以开始实验性地使用这一功能,为未来的着色器编程模式做好准备。
数学函数增强:反双曲导数
在数学函数方面,本次更新增加了反双曲函数的导数计算支持。具体包括:
- 反双曲正弦(arsinh)导数
- 反双曲余弦(arcosh)导数
- 反双曲正切(artanh)导数
这些数学函数的增强使得Shader-Slang在科学计算和高级图形效果(如复杂的光照模型和物理模拟)中更加得心应手。开发者现在可以更方便地实现基于这些数学函数的自定义着色效果。
CUDA后端优化:有符号整数纹理采样
针对CUDA后端,本次更新增加了对有符号整数纹理采样的模板特化支持。这一改进使得在使用CUDA进行GPU计算时,处理有符号整数纹理数据更加高效和准确。
序列化系统改进
AST(抽象语法树)的序列化系统得到了通用化改进。这一内部架构的优化为未来的编译器工具链扩展打下了基础,使得跨工具的数据交换和持久化更加灵活可靠。
稳定性修复
本次发布还包含了一些重要的稳定性修复:
- 修复了CoopVec乘法运算中的类型检查错误
- 改进了重试逻辑,解决了高间歇性测试失败的问题
这些修复提升了编译器的稳定性和可靠性,特别是在处理复杂表达式和边界情况时表现更加稳健。
总结
Shader-Slang v2025.9.2版本在语言特性、数学功能和编译器稳定性方面都做出了重要改进。动态类型支持的引入为着色器编程开辟了新的可能性,而数学函数的增强则提升了其在科学可视化等领域的实用性。对于图形开发者来说,这些更新意味着更强大的工具和更灵活的编程范式。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00