Microsoft GDK 2024年6月更新深度解析
项目概述
Microsoft Game Development Kit(微软游戏开发工具包,简称GDK)是微软为游戏开发者提供的一套综合性开发工具,支持开发者创建能够在Windows 11/10 PC平台上运行并通过认证的游戏产品。GDK采用双轨制发布策略:每年两次的重大更新(功能导向)和不定期的修复更新(问题导向)。
2024年6月第五次更新亮点
本次更新主要针对Xbox服务的多玩家管理功能进行了重要优化。修复了当调用XblCleanupAsync进行异步清理时,如果存在未完成的多玩家请求,MultiplayerManager相关资源无法被正确释放的问题。这一改进显著提升了多玩家场景下的资源管理可靠性。
媒体子系统关键修复
在媒体处理方面,开发团队解决了多个影响稳定性的核心问题:
-
视频解码内存泄漏:修复了H264/HEVC解码器初始化过程中存在的小规模内存泄漏问题,优化了内存使用效率。
-
视频播放稳定性:
- 修正了在释放解码器或Source Reader时,未完成的栅栏等待可能引发的内存损坏问题
- 解决了HEVC视频播放期间因栅栏等待错误导致的程序无响应问题
- 修复了H264解码器中线程对象释放不彻底导致的内存泄漏
-
源读取器终止问题:优化了媒体基础转换(MFT)样本的释放机制,确保在终止源读取器时正确等待所有挂起的栅栏操作,避免了程序挂起。
网络与多玩家体验增强
网络子系统获得了多项改进:
-
TCP接收优化:修复了临时队列缓冲区分配策略,现在会优先使用标题分区内存而非系统分区内存,显著提升了默认网络配置下的下载性能。
-
PlayFab Party升级:集成了v1.10.5版本,特别修复了在三台及以上设备组网时建立直接对等连接可能导致的崩溃问题。
-
游戏存档优化:将
XGameSave的RPC传输缓冲区最大尺寸固定为500KB,减少了内存碎片化问题。
开发工具链改进
工具链方面的重要更新包括:
-
环境配置:GDK安装程序现在能智能检测已安装的.NET 8运行时,避免重复安装旧版本。
-
Visual Studio集成:修复了从Xbox Gaming Explorer等工具窗口打开GDK文档时可能导致VS2019无响应的问题。
-
商店关联向导:解决了工作账户用户无法登录Microsoft Game配置编辑器中商店关联向导的问题。
输入系统与音频增强
-
输入引用检测:
GameInputAPI新增调试功能,当检测到可能的引用泄漏时会主动中断调试会话,帮助开发者及时发现可能导致输入死锁的问题。 -
游戏语音聊天:修复了Game Chat 2在用户更改控制台语言设置后可能发生的崩溃问题。
性能分析与调试
PIX for Windows工具获得重要修复:解决了在非英语文化环境下调整字体大小后可能导致的崩溃问题,提升了国际化开发体验。
开发者建议
对于使用XSAPI扩展库的开发者需要注意:现在新增了对libHttpClient.dll的依赖,该文件必须包含在游戏发布包中。使用Visual Studio的开发者可自动获得支持,而自定义引擎开发者需参考相关集成指南进行配置。
结语
2024年6月GDK系列更新体现了微软对游戏开发体验的持续优化,从底层媒体处理到高层网络服务,从开发工具到运行时环境,全方位提升了稳定性、性能和开发效率。建议开发者及时更新到最新版本,以获得最佳开发体验和运行时性能。
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