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。
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-1.5暂无简介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
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
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