MapTool 1.18.0 RC1发布:虚拟桌面游戏工具的重大更新
MapTool是一款开源的虚拟桌面游戏工具,专为角色扮演游戏(RPG)玩家和游戏主持人设计。它具备丰富的功能来创建游戏场景、管理角色和物品、处理游戏规则等,是远程桌面游戏玩家的理想选择。最新发布的1.18.0 RC1(Release Candidate 1)版本带来了多项重要改进和新功能。
核心功能增强
本次更新在表格处理方面进行了显著增强,新增了MTScript获取表格条目的功能。这一改进使得游戏主持人能够更灵活地管理和调用游戏中的各种表格数据,如随机事件表、战利品表等,大大提升了游戏准备的效率。
在视觉效果方面,1.18.0 RC1改进了光晕渲染系统,现在能够正确显示网格形状的光晕效果。同时,更新还保留了用户自定义的光照、视野和光环顺序,确保游戏场景的视觉效果更加符合主持人和玩家的预期。
用户体验优化
字体设置方面有了重要改进,现在可以在FlatLaf界面主题加载前预先设置首选字体。这一改变解决了长期以来字体显示不一致的问题,让界面显示更加符合用户偏好。
对于开发者而言,本次更新隐藏了LibGDX按钮,除非开发者明确在偏好设置中启用。这一调整使得普通用户界面更加简洁,同时保留了高级用户需要的功能。
性能与稳定性提升
渲染性能方面,修复了ZoneRenderer.getTokenBounds()方法的问题,优化了令牌边界计算。同时实现了LibGDX渲染器中的环境光照效果,使游戏场景的光照表现更加真实。
错误处理机制得到加强,现在能够捕获并记录启动过程中的所有错误,为问题诊断提供了更全面的日志信息。截图功能也进行了修复,解决了边界相关问题。
安全与维护更新
安全方面,修复了文件提取工具中的Zip Slip漏洞,提升了系统的安全性。同时更新了多个关键依赖库,包括将upnplib升级到1.2.0版本,json-smart库更新,移除了不再需要的io.grpc:grpc-protobuf依赖,并将Sentry错误报告系统从1.7.29升级到7.22.5。
密码算法方面也进行了更新,使用了更现代的加密标准。这些更新不仅提升了安全性,也为未来的功能扩展奠定了基础。
多平台支持
1.18.0 RC1版本继续提供全面的多平台支持,包括Windows、Linux和macOS系统。针对不同平台提供了专门的安装包格式:
Windows用户可以选择.exe或.msi安装程序,也可以使用.zip压缩包进行便携式安装。需要注意的是,使用安装程序会自动卸载旧版本,而zip包则支持多版本并存。
Linux用户需要注意,Ubuntu系统需要24.04或更新版本才能满足依赖要求。提供了.deb、.rpm等多种包格式,以及通用的.zip压缩包。
macOS用户可以使用.pkg或.dmg安装包。首次运行时需要按住Control键点击图标并选择"打开"来绕过Gatekeeper的安全限制。
开发者注意事项
对于高级用户,仍然提供了原始的.jar文件,但需要自行安装Java和JavaFX环境。所有用户都应该注意,安装新版本前最好备份旧版本的配置和战役文件,特别是从1.16.0或更早版本升级时。
这个候选发布版本标志着MapTool 1.18.0正式版即将到来,它带来了诸多改进和新功能,特别是在表格处理、渲染效果和安全性方面。游戏主持人和玩家可以期待一个更稳定、功能更丰富的虚拟桌面游戏体验。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00