Axmol引擎2.6.0版本发布:跨平台游戏开发的重大更新
项目简介
Axmol是一个开源的跨平台游戏引擎,基于Cocos2d-x分支发展而来,专注于为开发者提供高性能、易用的游戏开发解决方案。它支持Windows、macOS、Linux、Android、iOS以及WebAssembly等多个平台,特别适合2D游戏开发。Axmol引擎继承了Cocos2d-x的优秀特性,同时进行了大量优化和改进,使其在现代游戏开发中更具竞争力。
核心更新内容
1. Android开发环境全面升级
本次2.6.0版本对Android开发环境进行了重大改进,将Android Studio的最低要求版本提升至2024.3.2,同时支持Android 16及以上版本。这一更新确保了开发者能够使用最新的Android开发工具链,获得更好的开发体验。
在构建工具方面,AGP(Android Gradle Plugin)从8.7.3升级到8.10.0,Android目标SDK从35提升到36,构建工具也从34.0.0升级到35.0.0。这些更新为开发者带来了更高效的构建过程和更稳定的运行环境。
2. 音频系统增强
音频处理方面,引擎现在能够通过文件头信息智能识别OGG音频文件的编解码格式,这大大提高了音频文件的兼容性。同时修复了在使用Apple OpenAL框架时播放Opus音频失败的问题,使音频播放更加稳定可靠。
3. 性能优化与内存管理
ZipUtils::decompressGZ方法得到了显著改进,现在能够准确解析未压缩数据的大小并预留精确的内存空间,避免了内存浪费。此外,该方法现在会验证输入数据的大小,防止无效数据导致的处理问题。
4. 跨平台支持改进
WebAssembly平台的支持得到了加强,修复了由于HEAPU8未导出导致的运行时错误。同时,引擎现在推荐使用emsdk 3.1.73版本,以便在Chrome Canary中更好地调试Wasm应用。
Linux平台的开发环境也得到了优化,改善了Android Studio的支持和环境设置流程,使Linux开发者能够更顺畅地进行开发工作。
5. 文本渲染与UI系统增强
文本渲染系统进行了多项修复和改进,特别是针对Overflow::CLAMP模式下字符、下划线和删除线超出标签边界的问题。同时修复了特定字符集下左对齐文本的显示问题,使文本渲染更加精确美观。
UI系统方面,FairyGUI组件现在支持混合模式(blending),为UI设计提供了更多可能性。MediaPlayer组件新增了getVirtualRenderer方法,增强了视频播放功能。
重要问题修复
- 修复了Downloader-curl在下载线程中可能崩溃或挂起的问题,提高了网络下载的稳定性。
- 解决了PNG_ARM_NEON_OPT标志的问题,优化了ARM平台上的PNG图像处理性能。
- 修复了在Ubuntu 25.04上安装pwsh失败的问题,改善了Linux环境下的开发体验。
- 解决了decompressGZ方法在处理无效数据时可能进入无限循环的问题,增强了数据处理的健壮性。
- 修复了Windows平台上Wasm构建失败的问题,确保了跨平台构建的可靠性。
第三方库更新
Axmol 2.6.0版本对多个核心第三方库进行了升级:
- 安全相关:OpenSSL从3.0.16升级到3.5.0,c-ares从1.34.4升级到1.34.5,提高了网络通信的安全性。
- 图形处理:libpng从1.6.47升级到1.6.48,Clipper2从1.5.2升级到1.5.3,优化了图形处理能力。
- 开发工具:doctest从2.4.11升级到2.4.12,fmtlib从11.1.4升级到11.2.0,提升了开发和测试效率。
- 脚本引擎:LuaJIT从2.1-a4f56a4升级到2.1-eec7a80,增强了脚本执行性能。
开发者体验改进
- 改进了Android SDK根目录查找提示,使环境配置更加直观。
- 增强了utils::computeDigest方法,现在支持Base64摘要表示。
- 优化了项目隔离时的axslcc查找提示,简化了着色器编译流程。
- 将SIMD指令集检测从第三方库移至核心模块,提高了检测的准确性和效率。
- 移除了过时的DSL配置renderscriptDebuggable,简化了构建配置。
总结
Axmol 2.6.0版本作为一个长期支持(LTS)版本,在稳定性、性能和开发者体验方面都做出了显著改进。从Android开发环境的全面升级到跨平台支持的增强,从核心功能的优化到重要问题的修复,这个版本为游戏开发者提供了更加可靠和高效的开发平台。特别是对现代开发工具链的支持和对各种边缘情况的处理,使得Axmol引擎在2D游戏开发领域继续保持竞争力。
对于现有项目,建议评估升级的必要性,特别是当项目遇到已修复的问题或需要新功能时。新项目则可以直接基于2.6.0版本开始开发,享受最新的功能和改进。
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