Axmol引擎2.6.0版本发布:跨平台游戏开发的重大更新
Axmol引擎是一个开源的跨平台游戏开发框架,基于Cocos2d-x分支发展而来,专注于为开发者提供高性能、易用的游戏开发解决方案。该引擎支持Windows、macOS、Linux、Android、iOS以及WebAssembly等多个平台,特别适合2D游戏开发。Axmol继承了Cocos2d-x的优秀特性,同时进行了大量优化和改进,包括更好的性能、更现代的API设计以及更完善的工具链支持。
核心改进与优化
本次2.6.0版本作为长期支持(LTS)版本,带来了多项重要改进和优化。在Android开发环境方面,引擎现在支持最低Android 16版本,同时将Android Studio的最低要求版本提升至2024.3.2,确保开发者能够使用最新的开发工具特性。
音频处理方面,引擎增强了对ogg音频文件的支持,现在能够通过文件头准确检测音频编解码格式。对于Opus音频格式,修复了在使用Apple OpenAL.framework时播放失败的问题,提升了音频兼容性。
关键问题修复
2.6.0版本修复了多个关键问题,显著提升了引擎的稳定性和可靠性。下载器模块(curl)中可能导致下载线程崩溃或挂起的问题得到了解决,确保了网络资源的稳定下载。PNG图像处理方面,修复了ARM NEON优化标志的问题,提升了在ARM架构设备上的图像处理性能。
对于文本渲染系统,修复了在Overflow::CLAMP模式下字符、下划线和删除线超出标签边界的问题,同时解决了特定字符集在左对齐和截断模式下的渲染问题。这些改进使得文本显示更加准确美观。
WebAssembly支持方面,修复了Windows平台上的构建问题,并解决了由于未导出HEAPU8导致的运行时错误,提升了Web平台的兼容性。
性能与内存优化
ZipUtils::decompressGZ方法进行了重大改进,现在能够解析未压缩大小并精确预留内存,避免了内存浪费。同时增加了输入大小验证,防止无效数据导致的无限循环问题,提升了安全性和可靠性。
引擎还优化了SIMD指令集的检测机制,将相关代码从第三方库迁移到核心模块,提高了检测效率和准确性。这些底层优化为各种计算密集型任务带来了性能提升。
开发工具与工作流改进
开发环境设置方面,针对Linux平台进行了多项改进,包括更好的Android Studio支持和环境配置流程优化。对于独立项目中的axslcc工具查找也提供了更友好的提示信息,降低了新手上手难度。
文档系统现在支持最低版本构建,CI系统将只构建和部署Axmol 2.3+版本的文档,确保开发者能够获取准确且最新的文档信息。Gradle构建脚本移除了已弃用的renderscriptDebuggable配置,保持构建系统的现代性和简洁性。
第三方库更新
2.6.0版本包含了多项第三方库的更新,包括:
- 安全相关库:OpenSSL升级到3.5.0版本,c-ares升级到1.34.5
- 图形处理库:libpng升级到1.6.48版本,Clipper2升级到1.5.3
- 脚本引擎:LuaJIT升级到2.1-eec7a80版本
- 工具库:fmtlib升级到11.2.0,doctest升级到2.4.12
这些更新带来了性能改进、安全修复和新特性支持,为开发者提供了更强大的基础功能。
总结
Axmol 2.6.0版本作为一个长期支持版本,在稳定性、性能和开发体验方面都做出了显著改进。从底层的基础库更新到上层的API完善,从核心功能增强到开发工具优化,这个版本为游戏开发者提供了更加可靠和高效的开发平台。特别是对Android平台的深度支持和对WebAssembly的持续改进,使得跨平台游戏开发变得更加顺畅。对于正在使用或考虑使用Axmol引擎的开发者来说,2.6.0版本无疑是一个值得升级的选择。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00