Axmol引擎2.5.0版本发布:跨平台游戏开发的重大更新
Axmol是一个开源的跨平台2D游戏引擎,基于Cocos2d-x分支发展而来。它继承了Cocos2d-x的优秀特性,同时进行了大量优化和改进,为开发者提供了更高效、更稳定的游戏开发体验。Axmol支持Windows、macOS、Linux、Android、iOS以及WebAssembly等多个平台,特别适合开发2D移动游戏和桌面游戏。
核心改进与优化
音频系统增强
2.5.0版本新增了对.opus音频格式的支持,这是现代游戏开发中一个重要的音频格式选择。Opus格式以其高效的压缩率和优秀的音质著称,特别适合网络传输和移动设备使用。同时修复了音频播放结束时getCurrentTime()返回0的问题,确保了音频播放状态的准确性。
渲染系统优化
在图形渲染方面,本次更新修复了WASM平台下CommandBufferGL::readPixels功能失效的问题,这对于需要屏幕截图或后期处理效果的开发者尤为重要。此外,DrawNode现在支持"闭合"样条曲线绘制,为开发者提供了更灵活的绘图能力。
性能提升
SpriteFrameCache现在使用uint64_t作为映射键,提高了资源管理的效率和稳定性。FastTMXLayer也进行了性能优化,这对于使用瓦片地图(TileMap)的游戏项目将带来明显的性能提升。
跨平台支持改进
Android平台
FileUtils::listFiles现在能够正确处理空文件夹,解决了资源管理中的一个常见问题。同时确保了C++对象模型的一致性,提高了Android平台的稳定性。
WASM平台
新增了设置_APP_RES_FOLDER的能力,开发者可以更灵活地指定资源目录。还提供了一个生产就绪的WASM页面模板,简化了Web游戏的发布流程。
构建系统增强
CMake构建系统进行了多项改进:
- 简化了项目CMakeLists.txt结构,将代码段移动到cmake模块中
- 修复了BUILD_SHARED_LIBS在Linux和Android平台的问题
- 支持通过.axproj文件覆盖构建配置
- 自动安装缺失的MSVC工具集
开发工具与第三方库更新
项目依赖的多个重要第三方库进行了版本升级:
- yasio升级到4.3.2版本
- fmtlib升级到11.1.4
- flatbuffers升级到25.2.10
- robin_map升级到1.4.0
构建工具链也同步更新:
- Gradle升级到8.13
- CMake升级到4.0.0
- Emscripten SDK升级到4.0.6
开发者体验优化
RichText的XML解析能力得到增强,现在支持使用em和%单位指定字体大小,为UI文本布局提供了更多灵活性。事件监听器ID查找问题得到修复,提高了事件系统的可靠性。项目模板中添加了缺失的override说明符,帮助开发者编写更规范的代码。
总结
Axmol 2.5.0作为一个长期支持(LTS)版本,在稳定性、性能和开发者体验方面都做出了显著改进。无论是音频支持、渲染优化,还是跨平台构建系统的增强,都体现了项目团队对游戏开发实际需求的深入理解。这些改进使得Axmol成为2D游戏开发领域一个更加成熟和可靠的选择。
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