Axmol引擎2.6.1版本发布:稳定性和工具链优化升级
Axmol是一个基于Cocos2d-x分支发展而来的开源游戏引擎,专注于提供跨平台的2D/3D游戏开发解决方案。作为一款轻量级但功能全面的引擎,Axmol在移动游戏开发领域有着广泛的应用。本次发布的2.6.1版本是一个长期支持(LTS)的小幅更新版本,主要针对稳定性问题和开发工具链进行了优化改进。
核心稳定性修复
本次版本中最值得关注的修复是针对Android ARMv7架构的崩溃问题。在游戏开发中,稳定性始终是首要考虑因素,特别是在移动设备这种资源受限的环境中。该修复确保了在ARMv7架构的Android设备上运行时不会出现意外崩溃,这对于覆盖更广泛的Android设备用户群至关重要。
另一个重要的图形渲染修复涉及FairyGUI动画剪辑的混合渲染问题。开发团队修正了混合函数的实现,确保动画剪辑能够按照预期正确渲染。这种底层渲染问题的修复对于依赖FairyGUI等UI框架的项目尤为重要,它直接影响到游戏UI元素的视觉表现和动画效果。
构建系统与工具链改进
2.6.1版本对构建系统进行了多项优化,显著提升了开发体验:
-
Android构建现代化:移除了传统的CMake工具链文件,采用了更现代的构建方式。这一变化使得Android项目的构建更加符合当前的最佳实践,减少了潜在的兼容性问题。
-
Gradle脚本优化:对Android项目的Gradle构建脚本进行了重构,将关键配置移出libaxmol项目,使项目结构更加清晰。同时确保了正确设置Android构建工具和目标SDK版本,避免了因版本不匹配导致的构建问题。
-
CMake模块增强:为游戏CMake模块添加了更多构建选项,开发者现在可以更灵活地配置项目构建参数。针对C++和Lua模板的不同需求,团队还调整了最终的CMake设置文件位置,使项目初始化更加合理。
第三方库更新
引擎依赖的多个关键第三方库也获得了版本升级:
- ASTC纹理压缩库更新至5.3.0版本,提供了更好的纹理压缩质量和性能
- LuaJIT升级到最新的2.1分支提交,带来脚本执行性能的潜在提升
- OpenSSL安全库更新至3.0.16版本,解决了已知的安全问题
开发者体验提升
除了上述技术改进外,2.6.1版本还包含多项提升开发者体验的优化:
- 修复了预构建引擎链接Opus音频编解码器时的问题,确保音频功能完整可用
- 解决了Windows平台使用Clang编译器构建时因OpenAL预处理定义不正确导致的构建失败
- 增强了Gradle对CMake的自动查找能力,现在可以正确识别引擎工具目录中的CMake
- 优化了Android虚拟机对Asset Manager对象的引用管理,防止在使用过程中被垃圾回收
这些改进虽然看似细微,但对于日常开发工作流却有着实质性的提升,减少了开发者在配置环境时可能遇到的障碍。
总结
Axmol 2.6.1作为一个LTS维护版本,虽然没有引入重大新特性,但在稳定性和开发工具链方面做出了重要改进。这些变化使得基于Axmol引擎的项目能够更加稳定地运行,同时也让开发者的工作更加顺畅。对于正在使用Axmol引擎的团队来说,升级到这个版本将获得更好的开发体验和更可靠的运行时表现。
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
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
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