Shader-Slang 2025.6.2版本发布:编译器优化与功能增强
Shader-Slang作为一个开源的着色器语言编译器框架,在2025年6月发布了其6.2版本。该框架旨在为开发者提供跨平台的着色器编译解决方案,支持多种目标平台和图形API。本次更新带来了多项编译器优化、错误修复以及新功能支持,进一步提升了开发者的使用体验。
核心改进与优化
本次版本在编译器内部进行了多项优化,显著提升了编译效率和稳定性。其中最重要的改进包括:
-
IR变量提升优化:修复了IR变量提升过程中的块处理问题,当变量已经在正确块中时不再进行不必要的提升操作,减少了编译时间。
-
自动微分支持增强:新增了对GetOffsetPtr操作的自动微分支持,扩展了自动微分功能的应用范围。
-
类型系统改进:修复了非可微分类型swizzle操作导致的崩溃问题,并增加了对向量和矩阵中不允许的元素类型的错误诊断。
-
泛型接口处理:修正了泛型接口中关联类型的降低问题,提高了泛型编程的可靠性。
平台与API支持
本次更新加强了对多种图形API和平台的支持:
-
WGSL支持:实现了结构化缓冲区的GetDimensions功能,完善了WGSL后端的功能集。
-
SPIR-V改进:更新了SPIRV-Tools并修复了新的验证错误,同时添加了SPIR-V反汇编功能以便于调试。
-
Metal/WGSL支持:为Metal和WGSL后端添加了WaveGetLane系列操作支持。
-
HLSL兼容性:将HLSL支持的编译器版本设置为2018,确保更好的兼容性。
开发者体验提升
-
命令行工具增强:为slang-test添加了帮助屏幕,改善了命令行工具的使用体验。
-
版本字符串处理:修复了版本字符串中"v"前缀的修剪问题。
-
输出目录设置:现在会正确尊重用户定义的库输出目录设置。
-
错误诊断:改进了能力诊断消息,使其更加友好易懂。
-
模块组织:新增了模块组织建议文档,帮助开发者更好地组织代码。
内部架构改进
-
链接时布局缓存:增加了对链接类型布局缓存的测试,确保其正确性。
-
外部类型处理:改进了外部类型在类型布局生成期间的解析逻辑。
-
矩阵布局选项:修复了创建会话时重复添加矩阵布局选项的问题。
-
依赖管理:使用显式依赖替代源文件依赖来管理生成的头文件。
本次Shader-Slang 2025.6.2版本的发布,通过多项编译器优化和功能增强,为图形开发者提供了更强大、更稳定的着色器编译工具链。无论是核心编译器的改进,还是对新兴图形API的支持,都体现了项目团队对开发者体验的持续关注。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C037
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0115
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