Gaffer 1.5.9.0版本发布:Arnold与RenderMan渲染器支持升级
Gaffer是一款开源的视觉特效和动画制作工具,专注于提供节点式的工作流程,广泛应用于影视制作领域。它支持多种渲染引擎,并提供了强大的场景描述和合成能力。本次发布的1.5.9.0版本主要带来了对Arnold 7.4的完整支持以及RenderMan渲染器的初步集成,同时修复了一些关键性问题。
Arnold渲染器支持升级
本次更新中,Gaffer正式添加了对Arnold 7.4版本的支持。Arnold作为业界广泛使用的生产级渲染器,其7.4版本带来了多项性能改进和新特性。
值得关注的是新增的reportFileName选项,这一功能允许用户指定Arnold 7.4新引入的HTML报告输出路径。这些报告包含了详细的渲染统计信息,对于分析和优化渲染性能非常有帮助。
在USD灯光处理方面,修复了shaping:cone:softness值大于1时的处理问题。现在这些值的转换方式与hdArnold保持一致,确保了渲染结果的一致性。此外,还修复了由无效P原始变量引起的崩溃问题,提高了软件的稳定性。
RenderMan渲染器初步支持
1.5.9.0版本引入了对RenderMan 26.3的初步支持,这是一个重要的里程碑。要启用这一功能,用户需要设置RMANTREE环境变量指向RenderMan 26.3的安装路径,并设置GAFFERRENDERMAN_FEATURE_PREVIEW为1。
需要注意的是,当前RenderMan支持仍处于功能预览阶段,尚未达到生产就绪状态。已知的缺失功能包括灯光过滤器、灯光链接和胶囊等。开发团队提供这一早期预览版本的主要目的是收集用户反馈并进行进一步测试。
性能优化与问题修复
在性能方面,本次更新解决了USD点实例化适配器导致的交互式渲染性能下降问题。这一改进通过将相关属性从适配器级别提升为全局选项来实现,虽然技术上是一个破坏性变更,但权衡利弊后团队认为性能提升的收益大于潜在的兼容性风险。
Cycles渲染器方面修复了粒子运动模糊形状不正确的问题,而SceneAlgo模块则修复了在适配器创建函数中调用registerRenderAdaptor()导致的错误和崩溃问题。
API变更
渲染API方面新增了preRenderSignal()和postRenderSignal()信号,为开发者提供了更精细的渲染流程控制能力。这些信号可以在渲染开始前和结束后触发自定义操作,为插件开发提供了更大的灵活性。
总体而言,Gaffer 1.5.9.0版本在渲染器支持和系统稳定性方面都有显著提升,特别是对Arnold 7.4的完整支持和RenderMan的初步集成,为视觉效果艺术家提供了更多选择。开发团队将继续完善RenderMan支持,并欢迎用户提供反馈以帮助改进这一功能。
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