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。
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