MangoHud 0.8.0-rc2版本发布:游戏性能监控工具的重大更新
2025-06-08 20:21:40作者:牧宁李
MangoHud是一款开源的游戏性能监控工具,主要用于Linux平台。它能够在游戏运行时实时显示各种硬件性能指标,如帧率(FPS)、CPU/GPU使用率、温度、内存占用等信息,帮助玩家和开发者优化游戏性能。MangoHud支持Vulkan和OpenGL游戏,并且可以与多种游戏平台兼容。
黑名单更新
新版本增加了对三个应用程序的黑名单支持:
- Ubisoft商店(UplayWebCore.exe)
- Halloy(IRC客户端)
- Plutonium启动器(plutonium.exe, plutonium-launcher-win32.exe)
黑名单功能可以防止MangoHud在这些应用程序中不必要地运行,避免潜在的兼容性问题。
重要修复
本次更新修复了多个关键问题:
- 配置文件读取逻辑改进,现在能正确覆盖配置选项
- 解决了日志记录可能导致崩溃的问题
- 修复了平均FPS重复记录的问题
- NVIDIA显卡监控现在会在nvml和xnvctrl都不可用时给出警告
- mangoapp现在能正确响应HUD的显示/隐藏指令
- 添加了对32位xkbcommon的依赖支持
- 为openSUSE系统添加了缺失的依赖项
- 实现了正确的垂直同步(vsync)支持
- 重构了FPS计算逻辑
- 修复了水平模式下exec、网络、GPU和VRAM显示不正确的问题
显著改进
多GPU支持
新版本最大的改进之一是支持显示多个GPU的性能数据。默认情况下,MangoHud会显示所有检测到的GPU信息。用户可以通过gpu_list或pci_dev参数选择要显示的特定GPU。
Intel GPU支持
新增了对Intel显卡的支持,包括集成显卡和独立显卡,支持i915和xe驱动。需要注意的是:
- 温度监控需要Linux 6.13+内核
- 集成显卡不支持温度和功耗监控
- VRAM和GPU使用率是进程级别的,不是系统级别的(系统级别监控需要root权限)
OpenGL Shim改进
OpenGL Shim进行了重要重构:
- 现在会先预加载shim而不是OpenGL库
- 在加载MangoHud前会检查是否存在OpenGL上下文
- 这些改进解决了一些崩溃问题,提高了稳定性
执行命令改进
当在Steam运行时环境中使用exec命令时,现在会通过steam-runtime-launch-client启动命令。对于Flatpak用户,需要允许应用程序访问org.freedesktop.Flatpak DBus地址。
其他改进
- 日志错误信息改为调试级别
- 增加了CPU功耗日志记录
- 改进了Wayland键绑定支持
- 内存使用统计与其他应用程序保持一致
- DLSYM现在默认启用(可通过
MANGOHUD_DLSYM=0禁用) - 移除了mangoapp Vulkan层(测试项目,不再开发)
新增参数
新版本增加了几个有用的配置参数:
network_color: 设置网络HUD元素的颜色display_server: 显示当前使用的显示服务器(Xorg/Xwayland/Wayland)gpu_list: 指定要显示的GPU列表(如gpu_list=0,1)proc_mem和io_read现在在gamescope(mangoapp)中正常工作
总结
MangoHud 0.8.0-rc2版本带来了多项重要改进,特别是多GPU支持和Intel显卡支持大大扩展了工具的适用范围。稳定性修复和功能增强使这款性能监控工具更加成熟可靠。对于Linux游戏玩家和开发者来说,这些更新将提供更全面、准确的性能监控体验。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137