Gigi项目v1.0.0版本发布:WebGPU支持与图形工具重大升级
Gigi是Electronic Arts开发的一款图形编程工具套件,主要用于简化图形渲染技术的开发流程。本次发布的v1.0.0版本带来了多项重要更新,特别是对WebGPU的原生支持,以及一系列图形开发工具的改进。
WebGPU代码生成支持
作为本次更新的核心功能,v1.0.0版本正式引入了WebGPU代码生成能力。WebGPU是新一代的图形API标准,旨在为Web应用提供高性能的图形和计算能力。Gigi现在能够自动生成符合WebGPU标准的WGSL着色器代码,这得益于Slang编译器的WGSL代码生成功能。
开发团队特别感谢Jasper St. Pierre和Jacco Bikker的贡献,其中Jacco Bikker开发的tinybvh库被集成到Gigi的WebGPU功能中,为光线追踪提供了高效的加速结构支持。
协作向量支持
新版本还增加了协作向量(Cooperative Vectors)功能。这项技术允许多个线程协同处理向量数据,能够显著提升某些计算密集型任务的性能。开发者现在可以利用这一特性优化图形算法和并行计算任务。
浏览器与用户界面改进
用户界面方面,Gigi浏览器获得了多项用户体验优化。这些改进包括更直观的操作流程和更友好的界面设计,使得图形开发工作更加高效。
编译器增强
编译器子系统现在能够访问.gguser配置文件,自动处理相机参数、系统变量等配置信息。这一改进减少了手动配置的工作量,提高了开发效率。
查看器功能升级
查看器(Viewer)组件获得了多项重要更新:
- 变量设置现在支持类型转换操作
- 新增编辑器标志,支持在着色器中使用16位数据类型
- 修复了结构化缓冲区和原始缓冲区描述符表中的视图处理问题
- 修正了非sRGB纹理显示错误
- 新增纹理查看的sRGB选项(开启/关闭/自动)
- 改进了捕获文件的保存位置,解决了安装程序相关问题
- 新增将顶点信息保存为BVH(包围层次结构)的选项,采用tinybvh的BVH_GPU格式
编辑器功能增强
编辑器方面主要更新包括:
- 着色器资源访问模式重新设计为:只读、读写和RT场景
- 改进了文件版本兼容性处理,现在可以尝试加载未知(未来)版本的文件
开发者工具集成
Martin Mittring贡献了一系列开发者体验改进:
- 优化了最近文件列表管理
- 改进了文件打开对话框路径处理
- 新增AMD RGA(AMD Radeon GPU Analyzer)支持
- 新增命令行参数(-device)用于指定查看器使用的设备
底层技术更新
项目底层也进行了多项技术升级:
- 添加.editorconfig文件统一代码风格
- 更新了Slang编译器、Agility SDK和DXC编译器
- 修复了安装后Gigi浏览器图标缺失问题
- 安装程序现在会自动安装MSVC运行库
总结
Gigi v1.0.0版本标志着该项目的一个重要里程碑,特别是WebGPU支持的加入,为Web图形开发开辟了新途径。配合协作向量、改进的开发者工具和多项功能增强,这个版本为图形开发者提供了更强大、更高效的工具集。无论是进行传统图形管线开发,还是探索WebGPU等新技术,Gigi都提供了全面的支持。
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- 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
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