The-Forge引擎1.63版本发布:RTX全局光照与移动端技术突破
项目概述
The-Forge是一款跨平台的高性能图形引擎,由ConfettiFX团队开发维护。它以模块化设计著称,提供从底层图形API抽象到高级渲染技术的完整解决方案,支持从移动设备到主机的全平台部署。本次1.63版本更新带来了多项重大技术突破,特别是在实时全局光照和移动端优化方面取得了显著进展。
RTX全局光照中间件技术解析
经过三年研发,The-Forge团队正式将基于RTX/DXR接口的全局光照解决方案纳入其专有中间件库。这套系统代表了当前最先进的实时全局光照技术,已在多个商业项目中得到验证。
核心技术特点
-
创新的天空着色模型:新模型显著提升了全局光照的物理准确性,特别是在处理环境光照与直接光照交互时表现优异。
-
混合光线追踪架构:
- 屏幕空间光线步进用于评估屏幕空间GI
- 单次反弹混合光线追踪
- 多级探针级联实现多次反弹GI
-
高效采样与去噪:
- 采用世界空间和视锥体GPU哈希实现样本累积
- 时空储层采样技术
- 基于重投影和加权模糊的去噪算法
-
性能优化:
- 从深度图生成法线纹理
- 基于FSSR的单通道深度层次结构
- 批处理光线以优化间接调度
这套系统已在PS5、Xbox Series X、Steam Deck、iPhone 15 Pro和三星S24等多平台上验证,展示了出色的跨平台适应性和画质一致性。
移动端技术突破
OpenXR运行时支持
本次更新中,Quest平台运行时正式切换至OpenXR标准。虽然团队自2016年起就在客户项目中应用OpenXR,但这是首次将其集成到核心代码库中。这一转变将带来更好的VR设备兼容性和性能表现。
三角形可见性缓冲区与可编程MSAA
这项技术源自团队多年的研发积累,最早可追溯到2006年在Rockstar Games时期的Xbox和PS3平台开发经验。其核心创新在于:
- 可编程MSAA:与传统固定功能MSAA不同,开发者可以灵活控制多重采样的处理方式
- 调试可视化工具:提供Godray采样、着色采样和模板掩码的4xMSAA调试视图
- 跨平台支持:已在PS4 Pro、PS5、Xbox Series X和Quest等平台实现
低端移动设备适配
-
Ephemeris天空系统:原本面向主机平台的天空渲染系统现在优化支持低端移动设备,包括:
- 精简的着色器变体
- 动态质量调整
- 移动端友好的内存布局
-
粒子系统优化:
- 为不支持无绑定纹理的Adreno设备提供回退方案
- 压缩粒子数据结构
- 优化存储缓冲区使用,突破移动设备限制
技术影响与行业意义
1.63版本的发布标志着The-Forge在几个关键领域的成熟:
-
全局光照技术:其RTX解决方案为中小团队提供了接近3A大作的光照质量,同时保持跨平台兼容性。
-
移动图形技术:通过Ephemeris和粒子系统的优化,证明了高端图形效果在移动端的可行性。
-
VR开发:OpenXR的全面支持简化了VR内容的跨设备开发流程。
这些技术进步不仅丰富了引擎本身的功能,也为开发者提供了更多实现高质量图形的工具选择,特别是在资源受限的移动和XR平台上。The-Forge持续的技术创新正在缩小不同硬件平台间的图形质量差距,推动图形技术的普及进程。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- 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
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00