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。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C030
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00