Axmol引擎2.5.0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、易用的游戏开发工具链。该引擎支持Windows、Linux、macOS、Android、iOS以及WebAssembly等多个平台,特别适合2D游戏开发。
核心改进与优化
音频系统增强
本次2.5.0版本新增了对.opus音频格式的支持,进一步丰富了引擎的音频处理能力。同时修复了音频播放结束时getCurrentTime()可能返回0的问题,确保了音频播放状态的准确性。
渲染与图形处理
在图形渲染方面,引擎修复了WASM平台下CommandBufferGL::readPixels功能失效的问题。DrawNode组件现在支持'closed'样式的Splines绘制,为开发者提供了更灵活的图形绘制选项。
性能优化
SpriteFrameCache组件进行了重构,改用uint64_t作为映射键,提升了资源管理效率。FastTMXLayer组件也获得了性能优化,特别是在瓦片地图处理方面表现更佳。
跨平台支持改进
Android平台
FileUtils::listFiles现在能够正确处理空文件夹,完善了Android平台的文件系统操作。同时修复了BUILD_SHARED_LIBS在Android平台的构建问题。
WASM平台
新增了设置_APP_RES_FOLDER的能力,开发者现在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部署流程。
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
- 自动安装缺失的MSVC工具集
- 支持通过.axproj文件覆盖构建配置
- 修复了Linux平台的BUILD_SHARED_LIBS问题
开发者工具与API改进
RichText组件现在支持em和%单位设置字体大小,XML解析能力也得到了提升。新增了GLView::setInteractive接口,增强了用户交互控制能力。
事件系统修复了无效事件监听器ID查找的问题,确保了事件处理的可靠性。按钮组件现在能正确释放自定义标签资源,避免了潜在的内存问题。
第三方库更新
引擎集成的多个第三方库获得了版本升级:
- yasio更新至4.3.2版本
- fmtlib升级到11.1.4
- flatbuffers更新至25.2.10
- robin_map升级到1.4.0
- Spine运行时更新至4.2版本
构建工具链更新
项目构建工具链也同步更新:
- Gradle升级到8.13版本
- CMake更新至4.0.0
- Emsdk升级到4.0.6
这些更新为开发者提供了更稳定、高效的开发环境,同时确保了与现代C++标准的兼容性。特别是新增的CI验证流程,能够自动检查axmol命令行工具的功能完整性。
Axmol 2.5.0版本作为长期支持(LTS)版本,在稳定性、性能和功能方面都做出了显著改进,是游戏开发者值得升级的选择。
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