TrenchBroom 2025.1版本发布:跨平台地图编辑器迎来重大升级
TrenchBroom是一款功能强大的跨平台3D地图编辑器,主要用于创建和编辑Quake引擎系列游戏的地图。作为开源项目,它以其直观的界面和高效的编辑工具在游戏开发社区中广受欢迎。最新发布的2025.1版本带来了多项重要改进,包括Qt 6升级、多平台支持增强以及多项功能优化。
核心升级:Qt 6框架迁移
2025.1版本最显著的改进是完成了从Qt 5到Qt 6的全面迁移。这一技术升级为TrenchBroom带来了更现代的UI框架支持,为未来的功能扩展奠定了基础。Qt 6提供了更好的跨平台兼容性和性能优化,特别是在高DPI显示器和多显示器环境下的表现更为出色。
值得注意的是,这次迁移并非简单的版本号变更。开发团队投入了大量精力确保所有功能在Qt 6环境下正常工作,包括复杂的3D渲染管线、UI交互逻辑以及跨平台文件系统操作等核心组件。
多平台支持增强
macOS平台优化
针对Apple用户,2025.1版本提供了原生ARM64构建,完美适配Apple Silicon芯片(如M1/M2系列)。这意味着在最新的Mac设备上,TrenchBroom能够充分发挥硬件性能,提供更流畅的编辑体验。同时,所有macOS版本都经过了签名和公证,确保安全性和系统兼容性。
Linux平台改进
Linux用户现在可以获得标准的AppImage格式发布包,这种自包含的格式简化了安装过程,避免了依赖问题。AppImage可以在大多数现代Linux发行版上直接运行,无需复杂的安装步骤。
Windows平台优化
Windows版本继续提供64位构建,并建议用户安装最新的Visual C++运行时库以确保兼容性。开发团队优化了路径处理逻辑,更好地支持非ASCII字符路径,这对使用非英语操作系统的用户尤为重要。
功能改进与修复
纹理处理优化
新版本修复了从WAD文件加载纹理时的覆盖问题,确保纹理资源能够正确显示和应用。这对于依赖外部纹理包的地图项目至关重要。
实体渲染改进
当点实体的模型尚未加载时,现在会以实体形式渲染,而不是完全不可见。这一改进提高了编辑过程中的视觉反馈,帮助开发者更快定位和调整实体。
路径处理增强
开发团队重写了路径转换逻辑,特别是针对Windows路径在ASE文件中的处理。新增的测试用例确保了这一功能的可靠性,减少了因路径问题导致的项目加载失败。
新功能:选择上下文命令
2025.1版本引入了一个实用的新功能——选择画笔上下文命令。这项功能允许开发者更高效地选择和操作地图中的几何体,提升了复杂场景下的编辑效率。
技术实现细节
构建系统改进
项目构建系统进行了多项优化:
- 使用zip生成器替代传统的DMG打包(macOS)
- 集成AppImage作为外部CPack生成器(Linux)
- 优化了自动化构建流程,特别是针对fork项目的处理
安全增强
macOS版本现在包含完整的代码签名和公证流程,确保应用在最新macOS版本上能够无障碍运行。同时,Windows版本建议安装最新的VC++运行时,提高了运行稳定性。
开发者体验
开发团队持续改进内部测试基础设施:
- 修复了ASAN(AddressSanitizer)构建配置
- 增加了路径转换的单元测试
- 优化了命令字符串构建逻辑,避免潜在的安全问题
总结
TrenchBroom 2025.1版本标志着这个开源地图编辑器的重要技术演进。通过Qt 6迁移和多平台优化,项目为未来的功能开发奠定了坚实基础。对于游戏开发者而言,这个版本提供了更稳定、更高效的编辑环境,特别是在处理复杂场景和跨平台协作时表现更为出色。无论是专业地图设计师还是游戏开发爱好者,都能从这个版本中获得显著的体验提升。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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