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。
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
项目优选
docs
kernel
pytorch
ohos_react_native
flutter_flutter
ops-math
cangjie_compiler
RuoYi-Vue3torchaircangjie_test