Shader-Slang 2025.8版本发布:编译器优化与新特性解析
Shader-Slang是一个开源的着色器语言编译器框架,它支持多种现代着色器语言和平台。该项目旨在为开发者提供高性能的着色器编译能力,同时支持跨平台开发。在2025年8月发布的v2025.8版本中,Shader-Slang带来了多项重要的改进和新特性。
编译器核心优化
本次更新中,编译器核心进行了多项优化。首先是将C++标准升级到了C++20,这为编译器带来了更现代的编程语言特性支持。同时,团队修复了GCC 15上的构建问题,确保了编译器在不同环境下的兼容性。
在编译器内部,新增了IREnumType类型来区分枚举与整数类型,这解决了之前枚举类型可能被错误处理的问题。此外,团队还修复了多个可能导致段错误的bug,提升了编译器的稳定性。
着色器语言特性增强
v2025.8版本为GLSL着色器语言增加了整数打包/解包(int pack/unpack)内置函数支持,这对需要高效处理整数数据的图形应用非常有用。同时,字符字面量现在会被正确解析为整数类型,这解决了之前可能出现的类型混淆问题。
对于HLSL用户,新增了hlsl_2018能力选项,可以避免使用select/and/or等特定语法结构,提高了代码兼容性。此外,countbits函数现在支持16位和8位数据类型,扩展了位操作功能的适用范围。
性能优化与调试改进
在性能方面,新增了fwidth_coarse和fwidth_fine函数,为开发者提供了更精细的导数计算控制选项。调试支持方面,语言服务器现在会显示默认参数值,提高了开发体验。
团队还修复了多个间歇性测试失败的问题,包括自动微分类型测试和重放记录测试等,确保了测试套件的可靠性。对于CUDA后端,改进了SV_DispatchThreadID的处理方式,并增加了下标操作符支持。
跨平台支持
本次更新继续加强了跨平台支持。macOS平台现在提供了ARM64和x86_64架构的独立分发包。Windows平台也同时支持ARM64和x86_64架构。团队还新增了WASM的持续集成测试,为Web平台支持奠定了基础。
对于Metal后端,修复了枚举使用不正确的问题。SPIR-V后端现在会为WTexture*类型正确发出NonReadable修饰符,提高了与Vulkan的兼容性。
文档与示例改进
文档方面进行了多项改进,包括为用户指南添加目录结构、修正示例代码中的注释错误等。这些改进使得新用户能更容易上手Shader-Slang。
总体而言,Shader-Slang v2025.8版本在编译器稳定性、语言特性支持和跨平台能力方面都有显著提升,为图形开发者提供了更强大、更可靠的着色器编译工具链。
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