Gigi项目v0.991.0版本发布:渲染与编辑器功能全面升级
Gigi是Electronic Arts开源的实时渲染与着色器编辑工具,它提供了一个强大的平台,用于创建和调试复杂的着色器效果。本次发布的v0.991.0版本带来了多项重要改进,特别是在渲染器性能优化、编辑器稳定性和编译器功能增强方面。
渲染器功能增强
本次更新对渲染器进行了多项优化。首先,当系统不支持可变速率着色(VRS)时,渲染器会自动禁用该功能,避免了在不兼容硬件上的潜在问题。这一改进使得Gigi能够更智能地适应不同硬件环境。
另一个重要改进是增加了对WARP适配器的支持。通过添加-warpadapter启动参数,用户可以选择使用Windows Advanced Rasterization Platform(WARP)软件渲染器运行Gigi。这一功能特别有价值,因为它提供了跨平台和跨驱动程序的确定性渲染结果,虽然不支持所有DX12特性,但对于需要一致渲染结果的场景非常有用。
性能分析工具也获得了重要升级,现在支持多帧累积分析。开发者可以轻松地分析1000帧甚至更多帧的平均性能数据,这对于识别微小但重要的性能差异特别有帮助。此外,RenderDoc已更新至1.37版本,并且现在默认允许进行RenderDoc捕获,解决了之前可能阻碍光线追踪初始化的问题。
编辑器稳定性改进
编辑器方面,本次更新修复了节点连接在JSON序列化过程中可能出现的问题。这一修复不仅解决了现有问题,还会在打开受影响文件时自动进行修复,提高了工作流程的可靠性。
编译器功能扩展
编译器部分新增了对Uint64/Int64类型的支持,这些类型现在可以用于资源视图,使得64位原子操作更加方便实现。Slang着色器编译器也从2024.1.22版本升级到了2025.6.3,带来了最新的语言特性和性能优化。
一个重要的修复解决了子图复用时的变量覆盖问题。现在,当同一个子图被多次使用,并且每次使用都覆盖了不同的常量变量时,编译器能够正确处理这种情况。此外,还修复了子图中setvars涉及的变量在inline时未正确重命名的问题。
用户体验优化
本次更新还包含多项用户体验改进。变量管理变得更加直观,现在可以轻松地重置单个变量到默认值,并区分系统变量和用户变量。Python接口增加了设置相机视场角(FOV)的功能,通过Host.SetCameraFOV(fov)即可实现,为自动化测试和脚本控制提供了更多灵活性。
编辑器现在提供了更多Slang处理选项,使得调试Slang着色器变得更加方便。这些改进共同提升了Gigi的整体可用性和开发效率。
总的来说,Gigi v0.991.0版本在渲染能力、编辑器稳定性和编译器功能方面都取得了显著进步,为图形开发者提供了更强大、更可靠的工具集。
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