Axmol引擎2.3.0版本发布:跨平台游戏开发的新里程碑
Axmol引擎作为一款开源的跨平台游戏开发框架,在2025年新年伊始迎来了其2.3.0版本的正式发布。这个长期支持(LTS)版本不仅修复了多项关键问题,还带来了诸多性能优化和功能增强,为开发者提供了更稳定、更高效的开发体验。
核心架构改进
本次更新在引擎底层架构方面做出了多项重要改进。最值得注意的是对Android 15系统的16KB页面大小支持,这一改进显著提升了引擎在新版本Android系统上的内存管理效率。同时,构建系统也进行了全面优化,新的构建配置方案使项目构建过程更加灵活和高效。
在工具链方面,引擎将GLSL着色器编译器从"glslcc"更名为"axslcc",并更新了luabinding生成器使用的libclang版本至19.1.6,这些改动为开发者提供了更现代化的工具支持。
关键问题修复
2.3.0版本解决了多个影响稳定性的关键问题。Windows平台下,当使用Label组件处理超长字符串时可能导致的随机崩溃问题得到了修复。DrawNode组件的drawPie方法在线框模式下绘制闭合线条的错误也被修正。Android平台的构建问题、媒体播放器功能以及类名路径错误等问题都得到了妥善处理。
渲染器测试用例的批处理问题被修复,这有助于开发者更准确地进行性能测试和优化。这些稳定性改进使得Axmol引擎在各类应用场景下表现更加可靠。
功能增强与用户体验优化
新版本在功能方面有多项显著增强。DrawNode组件的drawPie方法得到了全面改进,提供了更精确的圆形绘制能力。Metal后端现在支持mipmap,这对纹理渲染质量有显著提升。
EditBox组件新增了通过Ctrl+A全选文本的支持,大大提升了文本编辑的便利性。Win32平台的消息框现在默认置顶显示,确保不会被其他窗口遮挡。引擎还增加了内存泄漏检测功能,帮助开发者更容易发现和解决内存管理问题。
特别值得一提的是,引擎移除了TTF字体65535字符码的限制,这对需要支持多语言或特殊字符集的应用程序是重大利好。
开发工具与第三方库更新
Axmol 2.3.0对开发工具链进行了全面升级。Android构建工具AGP更新至8.7.3,Gradle升级到8.11.1,目标SDK提升至Android 35。Emscripten SDK也从3.1.67更新至3.1.73,为Web平台开发提供了更好的支持。
第三方库方面,多个关键组件获得了版本更新:ASTC纹理压缩库升级到5.1.0,c-ares更新至1.34.4,curl升级到8.11.1,FlatBuffers更新至24.12.23,这些更新带来了性能提升和安全性改进。图形处理相关的库如WebP、JPEG-Turbo也都升级到了最新稳定版本。
构建与发布流程优化
新版本引入了多项构建和发布流程的改进。现在可以创建最小化的"axmol-bs"包,用于常见的跨平台构建目的。Android平台支持生成.aab格式的应用包,这是Google Play推荐的应用发布格式。构建缓存机制也进行了优化,下载的依赖包现在存储在专门的cache目录而非tools/external下,使项目结构更加清晰。
VS2022预览版现在可以通过1kiss.ps1脚本进行支持,为使用最新开发工具的开发者提供了便利。这些改进使得Axmol项目的构建和发布流程更加现代化和高效。
总结
Axmol 2.3.0版本作为长期支持版本,在稳定性、性能和开发体验方面都做出了显著改进。从底层架构优化到上层API增强,从工具链更新到构建流程改进,这个版本为游戏开发者提供了更加强大和可靠的开发平台。特别是对最新Android系统的支持、关键问题的修复以及开发效率的提升,使得Axmol引擎在跨平台游戏开发领域继续保持竞争力。
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