Axmol引擎2.6.1版本发布:稳定性和工具链的重大改进
Axmol引擎是一个基于Cocos2d-x分支发展而来的开源游戏引擎,专注于提供跨平台的2D/3D游戏开发解决方案。作为一款轻量级但功能强大的引擎,Axmol在移动游戏开发领域有着广泛的应用。本次发布的2.6.1版本是一个长期支持(LTS)的小版本更新,主要聚焦于稳定性提升和开发工具链的优化。
核心稳定性修复
本次更新中最值得关注的是对Android平台ARMv7架构崩溃问题的修复。这个问题可能导致使用该架构的Android设备在运行游戏时意外退出,现在开发者可以放心地在更多设备上部署他们的游戏了。
渲染方面,修复了FairyGUI动画剪辑的混合渲染问题。原本的混合函数设置不正确会导致动画显示异常,现在动画能够按照预期正确渲染,这对于使用FairyGUI作为UI解决方案的项目尤为重要。
在音频处理方面,修复了Opus音频编解码器在链接预构建引擎时可能出现的链接问题,确保了音频功能的完整性。同时针对Windows平台使用Clang编译时OpenAL预处理设置不正确的问题也得到了解决,提高了编译成功率。
开发工具链优化
Android构建系统进行了显著改进,不再使用传统的CMake工具链文件,转而采用更现代的构建方式。Gradle脚本得到了全面增强,包括将axmol.gradle移出libaxmol项目结构,使项目组织更加清晰。构建工具版本管理也更加严格,确保使用正确的Android构建工具和目标SDK版本。
CMake配置方面,游戏模块现在提供了更易访问的构建选项,开发者可以更方便地定制构建过程。考虑到C++和Lua模板项目的差异,AXGameFinalSetup.cmake文件被移到了各自的模板目录中,使配置更加贴合实际需求。
第三方库更新
引擎依赖的多个核心第三方库获得了版本升级:
- ASTC纹理压缩库从5.2.0升级到5.3.0,提供了更好的纹理压缩效率和质量
- LuaJIT更新到了最新的2.1分支提交,提升了脚本执行性能
- OpenSSL从3.5.0回退到更稳定的3.0.16版本,确保加密功能的可靠性
构建系统增强
新增了Windows预构建工作流检查CI,确保Windows平台的构建质量。Android构建环境也进行了升级,命令行工具从12.0版本升级到了19.0,提供了更多现代构建特性。
值得注意的是,引擎现在会持有Android Asset Manager的JVM引用,防止在原生代码使用期间被垃圾回收,这解决了一个潜在的稳定性问题。同时移除了许多不再需要的兼容性代码,使代码库更加简洁。
总结
Axmol 2.6.1版本虽然是一个小版本更新,但在稳定性和开发体验方面做出了重要改进。对于正在使用Axmol引擎的开发者来说,升级到这个版本将获得更好的构建体验和更稳定的运行时表现。特别是针对Android平台的优化,使得移动游戏开发更加顺畅可靠。这些改进体现了Axmol团队对产品质量的持续追求和对开发者体验的关注。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C030
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