Vengi项目0.0.38版本发布:性能优化与功能增强
Vengi是一个开源的体素编辑和渲染引擎项目,专注于为3D体素图形提供强大的创作工具和高效的渲染能力。该项目包含多个组件,如VoxEdit体素编辑器、格式转换工具等,支持多种体素文件格式的导入导出。
核心改进
本次0.0.38版本带来了多项重要改进,主要集中在性能优化和功能增强两个方面。在渲染方面,修复了场景模式下的轮廓渲染问题,改进了二进制网格生成器的环境光遮蔽效果,并解决了Bloom渲染中的伪影问题。这些改进使得视觉呈现更加精确和美观。
文件格式支持
文件格式支持方面有了显著增强。项目现在完全支持binvox格式的2和3版本(包括非官方版本),并提供了保存为三种不同版本binvox文件的选项。此外,新增了对Luanti/Minecraft mts文件格式的写入支持,为Minecraft地图创作者提供了更多便利。
性能优化
性能优化是本版本的重点之一。项目改进了DirectStateAccess(DSA)对OpenGL的支持,并进行了多项底层性能优化。这些改进使得整体运行效率得到提升,特别是在处理大型体素场景时更为明显。
工具链增强
工具链方面也进行了多项增强。新增了将场景保存为高度图(PNG)的功能,为地形创作提供了新途径。Lua脚本绑定增加了对genland算法的支持,扩展了程序化生成的能力。这些改进为创作者提供了更多灵活性和可能性。
跨平台支持
跨平台支持方面,项目现在能够在苹果和Windows终端上正确显示颜色,提升了命令行工具的使用体验。同时修复了Windows系统下的目录导入问题,确保在不同操作系统上都能稳定运行。
材质系统改进
材质系统进行了重要修复,确保材质变更能够正确应用到调色板中。这一改进使得材质编辑工作流程更加可靠和直观。
版本规划
值得注意的是,开发者表示这可能是最后一个0.0.X版本的发布,预示着项目可能即将进入新的发展阶段。这表明Vengi项目已经趋于成熟,未来可能会有更大规模的更新。
总体而言,0.0.38版本通过多项性能优化和功能增强,进一步提升了Vengi作为体素创作工具的实用性和稳定性,为创作者提供了更加强大和可靠的工作环境。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
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