Nu游戏引擎v18.17.0版本发布:大规模API重构前的稳定版本
Nu是一个开源的3D游戏引擎,专注于提供高性能的渲染能力和灵活的开发体验。作为一款现代化的游戏引擎,Nu采用了先进的渲染技术,包括基于物理的渲染(PBR)、屏幕空间反射(SSR)、动态阴影等特性,同时提供了完善的工具链和工作流支持。
本次发布的v18.17.0版本是一个重要的稳定性更新,为即将到来的大规模API重构做准备。这个版本主要聚焦于修复现有问题、优化系统稳定性,并引入了一些小的改进,确保开发者在API变更前能够拥有一个可靠的开发环境。
渲染系统优化
在渲染方面,本次更新进行了多项重要改进:
-
阴影系统增强:增加了阴影接缝大小,修复了阴影渲染越界的问题。同时改进了方向光阴影的深度表示方式,采用更标准化的实现,提高了阴影质量。
-
屏幕空间反射(SSR)优化:提高了SSR的默认距离截止值(SsrDistanceCutoffDefault),使得开发者更容易上手使用SSR功能,无需过多调整参数即可获得不错的效果。
-
光照系统改进:现在支持最多9个前向光源,与阴影系统保持一致。同时优化了光照贴图的内存使用,现在多个光照贴图可以共享渲染/帧缓冲区资源。
-
顶点数组对象(VAO)定义方式:改进了VAO的定义方法,使其更加符合现代OpenGL的最佳实践。
工具与编辑器改进
Nu的配套编辑器Gaia在这个版本中也获得了一些实用改进:
-
可视化调试:现在可以在Gaia中直观地查看选定光源的视锥体(frustum),这对于调试光照和阴影设置非常有帮助。
-
UI布局优化:改进了ImGui窗口的处理顺序,现在按照布局顺序进行处理,使得界面更加一致和可预测。同时对Gaia的整体UI进行了重新安排,提升了用户体验。
-
状态文件重命名:将GaiaState.txt重命名为Nu.Gaia.State.txt,使其命名更加规范,避免可能的命名冲突。
核心系统修复
引擎核心部分也进行了多项重要修复:
-
地形系统:修复了一个可能导致崩溃的地形渲染问题。
-
批处理系统:修复了批处理系统的回归问题,确保渲染性能不受影响。
-
文本渲染:修复了文本渲染的回归问题,保证UI文本显示正常。
-
空间树(Spatial Tree):修复了空间树相关的多个bug,提高了场景管理的可靠性。
-
GUI系统:修复了非泛型GuiDispatcher中Omnipresent规范缺失的问题。
性能与兼容性
-
依赖项更新:更新了.NET基础依赖和Jolt物理引擎,确保使用最新的稳定版本。
-
第三方库同步:更新了Prime和CSV依赖库,保持生态系统的同步。
-
项目配置:修复了launchSettings文件的问题,虽然开发者可能并不需要这些文件,但确保它们的正确性仍然很重要。
未来展望
这个版本作为大规模API重构前的最后一个稳定版本,为即将到来的重大变更奠定了基础。开发者可以放心使用这个版本进行项目开发,同时为未来的API变更做好准备。即将到来的重构将使Nu的API更加符合人体工程学,提供更流畅的开发体验。
对于正在使用Nu进行项目开发的团队,建议在升级到这个稳定版本后,密切关注后续的API变更公告,以便及时调整代码适应新的API设计。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00