TrenchBroom 2025.2版本发布:跨平台地图编辑器迎来重要更新
TrenchBroom是一款功能强大的跨平台3D地图编辑器,主要用于Quake引擎系列游戏的地图制作。作为开源项目,它以其直观的用户界面和高效的编辑工具赢得了众多关卡设计师的青睐。2025年3月,TrenchBroom团队发布了2025.2版本,带来了一系列改进和修复。
平台支持与系统要求
2025.2版本延续了TrenchBroom一贯的跨平台特性,支持Windows、Linux和macOS三大主流操作系统。具体而言:
- Windows系统需要10或11版本,仅支持64位架构
- Linux系统需要Qt 6.7或更高版本支持
- macOS系统要求10.14(Mojave)或更高版本
所有平台都需要支持OpenGL 2.1和GLSL 1.2的显卡及最新驱动程序。Windows用户还需特别注意安装Microsoft Visual C++ Redistributable for Visual Studio 2015-2022的x64版本,这是运行64位TrenchBroom的必要组件。
主要更新内容
游戏引擎与编译工具参数处理优化
本次更新修复了游戏引擎和编译工具参数处理方面的问题。对于地图设计师而言,这意味着在使用TrenchBroom配置外部游戏引擎或编译工具时,参数传递将更加可靠和准确。这一改进特别有利于那些使用自定义编译流程的高级用户,确保了从编辑器到实际游戏引擎的无缝衔接。
Linux平台打包格式改进
Linux用户将注意到一个显著变化:AppImage构建现在以zip压缩包形式分发。这一调整使得Linux版本的发布与其他平台保持一致,简化了下载和分发流程。虽然对最终用户功能没有直接影响,但这种标准化处理体现了开发团队对跨平台一致性的重视。
Quake游戏定义文件更新
2025.2版本包含了由社区贡献者eGax提供的quake.fgd文件更新。FGD(Forge Game Data)文件是TrenchBroom理解特定游戏实体和属性的关键配置文件。这些更新可能包括新的实体定义、属性修正或其他游戏特定功能的改进,为Quake系列地图制作者提供了更准确和全面的编辑支持。
技术实现细节
从技术角度看,2025.2版本虽然是一个小版本更新,但包含了多项底层改进:
-
参数处理机制重构:修复了可能导致命令行参数解析错误的问题,特别是在处理包含空格或特殊字符的路径时。
-
构建系统优化:Linux平台的打包流程经过调整,现在生成zip格式的AppImage包,与其他平台保持一致。
-
FGD文件维护:持续更新游戏定义文件,确保编辑器能够正确识别和处理最新的游戏实体和属性。
用户升级建议
对于现有用户,升级到2025.2版本是一个推荐的选择,特别是:
- 经常使用外部编译工具链的用户将受益于改进的参数处理
- Linux用户可以获得更一致的发布包体验
- Quake地图制作者能够利用最新的游戏实体定义
新用户可以放心地从2025.2版本开始使用TrenchBroom,它提供了稳定的跨平台编辑体验和最新的功能支持。
未来展望
虽然2025.2是一个维护性质的更新,但它展示了TrenchBroom项目对稳定性和跨平台一致性的持续关注。开发团队似乎在为更大的功能更新奠定基础,同时保持对社区贡献的开放态度。用户可以期待未来版本中可能出现更先进的编辑功能和对更多游戏引擎的支持。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00