搜狐畅游与2015年3月25日在北京召开2015GAME+新品发布会,公布2015年度战略规划。此外还公布了包括《仙剑6》、《星际战甲》在内的自研、代理大型端游,仙剑之父姚壮宪、DE创意总Steve Sinclair在内的数位全球顶级制作人悉数到场。拥有重度游戏基因的畅游,将致力于为玩家带来全球领先的端游产品。

以下为畅游新品发布会详细产品名单:
端游产品
《Warframe》(《星际战甲》)Digital Extreme|科幻题材TPS网游
《海战世界》冰动娱乐|3D海战TPS网游|4月17日内测
《仙剑奇侠传六》台湾大宇|武侠RPG单机游戏|2015年暑期发售
《蛮荒搜神记》畅游自研|3D动作MMORPG网游|5月开测
《救世之树》(Tree Of Savior)
射击类游戏《星际战甲》首先亮相
发布会上首先亮相的是射击类游戏《星际战甲》。来自D.E《星际战甲》制作人兼创意总监Steve Sinclair 亲自上台讲解了《星际战甲》主要游戏内容:人物设定、武器系统、玩法、地图场景等等,他还向我们讲述了游戏中的人物邪神洛基,游戏的研发故事。
《星际战甲》是一款第三人称射击类游戏,由Digital Extremes耗时3年研发完成,在2013年就已登陆Steam平台,并且广受玩家好评,从展示的内容来看,还融入了动作游戏元素,你可以把这款游戏当作射击游戏来玩,也可以当作动作类游戏使用近战武器格斗。玩法上面包含PVE和PVP两大模式。其中扩展玩法更是多样,你可以在游戏中体验生存模式的艰难,也可以和同伴一起做任务刷装备,或者匹配进行4V4的竞技对抗,游戏中有丰富的元素内容,勋章、徽记类元素可供玩家展示个性和身份。
《海战世界》4月17日不删档内测
《海战世界》是畅游在GAME+上展示的第二款游戏作品,两位外籍制作人通过二战情景故事,向玩家讲述曾经发生过的战争。再从战争故事引入游戏介绍。
《海战世界》是畅游旗下首款以二战海战为背景题材的3DTPS游戏大作。《海战世界》采用虚幻3引擎打造,在游戏中可以驾驶战列舰、驱逐舰、轻巡洋舰、重巡洋舰、航空母舰在复杂的海洋环境中与敌人进行对战,此外值得一提的是,还加入了潜艇载具,玩家可以在《海战世界》中重现二战时期的经典战斗场景。
此外《海战世界》在现场宣布,将于4月17日开启不删档内测,感兴趣的玩家可以进入官网申请内测资格。
《蛮荒搜神记》打造重度MMPRPG
《蛮荒搜神记》是以树下野狐所著的“蛮荒三部曲”系列小说为背景,采用CryEngine3引擎开发、横跨多平台的次世代3D大作。在GAME+上,游戏制作人并没有讲解游戏详细的内容,但是分享了一些趣事。除了故事背景取材于树下野狐的蛮荒三部曲之外,在游戏音乐方面,将由著名电影《见龙卸甲》的音乐制作人蔡允文指导负责。游戏动作方面则由日本著名游戏制作人”坂恒伴信”指导负责。相信一定会给大家带来不一样的MMORPG体验。
“仙剑之父”姚壮带《仙剑奇侠传六》登台
“仙剑之父”姚壮宪带着《仙剑奇侠传六》登上舞台,一曲《迴梦游仙》,让人仿佛又回到了最初的感动。
姚仙宣布《仙剑六》将于今年暑期上市,具体的内容还不方便透露,但是在七月份会给大家公布更多的内容。此外他回顾了研发仙剑20年的心路历程。
“姚仙”表示:仙剑源自单机,但在人们心中它已经不仅仅只是一个游戏,他是老玩家的情感寄托,也是千万仙迷共同的情怀与情感依托,他还坚信,未来会有更多的人喜欢仙剑。
《救世之树》曝光
在GAME+的最后,畅游副总裁王一带来了一款神秘MMORPG大作——《救世之树》。
《救世之树》是被誉为“RO之父”金学圭的最新力作,由IMC Games开发的新一代MMORPG。也许RO的经典风格即将在《救世之树》得以改进和重现,相信这回吸引很多老玩家的关注吧。
王一先生特别宣布,畅游已与IMC Games签约,获得《救世之树》的中国区运营权。
好文章,需要你的鼓励
本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。
这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。
中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。
这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。