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。
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