React Three Fiber v9.0.0 发布:全面支持 React 19 与 WebGPU
React Three Fiber(简称 R3F)是 Three.js 的 React 渲染器,它让开发者能够以声明式的方式在 React 中构建 3D 场景。最新发布的 v9.0.0 版本带来了多项重要更新,包括对 React 19 的全面兼容、WebGPU 支持、类型系统改进等核心功能升级。
核心特性解析
React 19 深度集成
v9.0.0 版本与 React 19 深度集成,带来了显著的性能提升和开发体验优化。其中最值得关注的是对 Strict Mode 的改进支持。现在,R3F 能够正确继承来自父级渲染器(如 react-dom)的 StrictMode 设置,无需在 Canvas 内部重复声明。这一改变使得开发者能够更早地发现潜在的问题,特别是在副作用处理方面。
WebGPU 渲染支持
随着 Three.js 正式引入 WebGPU 渲染器,R3F v9.0.0 提供了开箱即用的支持。虽然 WebGPU 仍处于开发阶段且不完全兼容所有 Three.js 特性,但通过异步 GL 属性配置,开发者可以轻松集成:
<Canvas
gl={async (props) => {
const renderer = new THREE.WebGPURenderer(props as any)
await renderer.init()
return renderer
}}
/>
这种设计允许开发者在渲染器初始化完成后再进行场景渲染,确保了 WebGPU 的平滑集成体验。
开发者体验优化
改进的加载器 API
useLoader 现在支持直接传入加载器实例,这为资源管理提供了更大的灵活性:
const loader = new GLTFLoader()
function Model() {
const gltf = useLoader(loader, '/model.glb')
}
这种模式特别适合需要精细控制资源池或加载器配置的场景。
类型系统重构
v9.0.0 对 TypeScript 支持进行了重大重构:
- 动态 JSX 类型映射:不再需要手动维护 Three.js 类型到 JSX 的映射,系统会自动生成
- 简化类型声明:使用统一的
ThreeElement类型替代了多个专用节点类型 - CanvasProps 重命名:
Props接口更名为CanvasProps以提高可读性
新的类型声明方式更加简洁:
declare module '@react-three/fiber' {
interface ThreeElements {
orbitControls: ThreeElement<typeof OrbitControls>
}
}
重要行为变更
色彩管理调整
v9.0.0 移除了纹理属性的自动 sRGB 转换。现在,内置材质会自动处理色彩空间转换,这与原生 Three.js 的行为保持一致。对于自定义材质或着色器,开发者需要显式指定色彩空间:
<texture colorSpace={THREE.SRGBColorSpace} />
严格模式下的行为变化
由于现在正确继承了父级 StrictMode 设置,一些在开发模式下可能被忽略的副作用问题会变得更加明显。这虽然可能导致现有代码在开发环境下出现警告或错误,但有助于提高生产环境的稳定性。
升级建议
对于现有项目升级到 v9.0.0,建议开发者:
- 全面测试 StrictMode 下的应用行为
- 检查所有自定义材质和着色器的色彩管理设置
- 更新类型声明以使用新的
ThreeElements接口 - 考虑将加载器实例化移至组件外部以提高性能
React Three Fiber v9.0.0 标志着该项目的一个重要里程碑,不仅保持了与最新 React 生态的同步,还通过 WebGPU 支持为未来的图形渲染能力奠定了基础。这些改进使得 R3F 在性能、类型安全和开发者体验方面都达到了新的高度。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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