TrenchBroom 2025.3版本发布:3D地图编辑器的重要更新
2025-06-20 10:24:38作者:邓越浪Henry
项目简介
TrenchBroom是一款开源的3D地图编辑器,主要用于创建和编辑Quake系列引擎(如Quake、Quake II、Quake III Arena)以及其他兼容引擎的地图。它以其直观的用户界面和强大的编辑功能而闻名,是游戏开发者和地图制作者的重要工具。TrenchBroom支持多种游戏格式,提供了丰富的纹理管理、实体编辑和光照预览功能。
2025.3版本核心更新
1. 应用内更新机制
本次更新引入了应用内自动更新功能,这是TrenchBroom用户体验的重要改进。用户现在可以直接在应用程序内接收和安装更新,无需手动下载新版本。这一功能特别适合需要频繁更新的开发工具,能够确保用户始终使用最新、最稳定的版本。
2. 解析器安全增强
开发团队对解析器进行了重大重构,改进了错误处理机制。现在所有解析器都返回结果类型,这使得错误处理更加一致和可靠。同时,对EL(表达式语言)评估和值访问实施了更严格的安全检查,防止潜在的问题和意外崩溃。
3. 模型处理改进
- 修复了MDX模型加载问题,确保这类模型能够正确显示
- 调整了HL(Half-Life)模型的旋转处理,不再自动绕Z轴旋转90度
- 修正了assimp库的变换处理,确保导入的3D模型保持正确的方向和比例
4. 跨平台兼容性提升
- 文件系统搜索路径现在不区分大小写,解决了在不同操作系统间的兼容性问题
- 改进了路径分隔符处理,现在同时支持'/'和'\'作为路径分隔符,特别是在编译配置文件中
- 数字格式现在会根据当前系统区域设置自动调整,确保显示的一致性
5. 编辑器功能修复
- 修复了刷子(brush)挤出操作时的崩溃问题
- 改进了贝塞尔(Bezier)补丁的镜像功能,确保操作结果符合预期
- 修正了实体颜色解析问题,确保颜色属性被正确读取和应用
- 优化了实体渲染,使其在不同场景下表现更加一致
技术细节
构建系统改进
开发团队对持续集成(CI)系统进行了优化:
- 在所有平台上启用ccache(编译缓存),显著加快了构建速度
- 为Windows调试构建添加了/bigobj标志,解决了大型调试构建的问题
- 改进了浮点数值的格式化和解析,确保不受区域设置影响
代码质量提升
- 广泛使用C++20的operator<=>(三路比较运算符)简化比较逻辑
- 增强了类型安全性,减少了潜在的错误
- 改进了错误处理和资源管理
系统要求
- Windows: 10或11(仅x64架构)
- Linux: 需要Qt 6.7或更高版本
- macOS: 10.14或更高版本
所有操作系统都需要支持OpenGL 2.1和GLSL 1.2的显卡及最新驱动程序。Windows用户需要安装Microsoft Visual C++ Redistributable for Visual Studio 2015-2022的x64版本。
总结
TrenchBroom 2025.3版本在稳定性、兼容性和用户体验方面都有显著提升。新增的应用内更新机制简化了维护流程,而各种解析器和渲染修复则提高了编辑器的可靠性。对于使用Quake系列引擎进行地图开发的创作者来说,这个版本提供了更加流畅和高效的工作环境。开发团队对跨平台兼容性的持续关注也使得TrenchBroom在不同操作系统上的表现更加一致。
登录后查看全文
热门项目推荐
相关项目推荐
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
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
305
2.68 K
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
136
163
React Native鸿蒙化仓库
JavaScript
233
309
暂无简介
Dart
596
130
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
630
227
仓颉编译器源码及 cjdb 调试工具。
C++
123
635
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.06 K
614
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
195
71
仓颉编程语言测试用例。
Cangjie
36
634