Axmol引擎2.3.1版本发布:渲染优化与稳定性提升
Axmol是一个基于Cocos2d-x分支发展而来的开源游戏引擎,专注于2D游戏开发。作为Cocos2d-x的延续,Axmol在保持原有架构优势的同时,持续进行性能优化和功能增强。本次发布的2.3.1版本是一个长期支持(LTS)的小版本更新,主要针对渲染系统和开发工具链进行了多项改进。
核心渲染系统修复
本次更新重点解决了RenderTexture内部精灵定位的问题。RenderTexture是游戏开发中常用的离屏渲染技术,用于实现各种特效和UI组合。在之前的版本中,RenderTexture内部精灵的定位计算存在偏差,导致渲染结果与预期不符。开发团队不仅修复了这一问题,还同步更新了相关的测试用例,确保渲染精度的可靠性。
另一个值得关注的修复是针对Cardinal样条曲线绘制功能的改进。Cardinal样条是游戏开发中常用的平滑曲线算法,广泛应用于路径绘制和角色移动轨迹等场景。在2.3.1版本中,修复了曲线在最后一个控制点之外继续绘制的问题,使曲线绘制更加精确,符合开发者的预期。
跨平台兼容性增强
对于WebAssembly平台,开发团队特别处理了ImGui的编译和链接问题。ImGui作为流行的即时UI工具库,在游戏开发调试和编辑器开发中有着广泛应用。这次修复确保了Axmol引擎在Web平台上的开发工具链完整性,为浏览器环境下的游戏开发和调试提供了更好的支持。
开发工具与基础设施改进
在开发体验方面,2.3.1版本改进了持续集成(CI)系统,现在构建失败时会明确抛出错误,帮助开发者更快定位问题。同时更新了开发环境设置文档(DevSetup.md),使新开发者能够更顺利地搭建开发环境。
第三方库更新
作为常规维护的一部分,本次更新将xxhash库从0.8.2版本升级到0.8.3版本。xxhash是一个极快的高质量哈希算法库,在引擎内部用于各种数据校验和快速哈希计算场景。版本升级带来了性能优化和潜在问题的修复。
版本稳定性与长期支持
作为长期支持(LTS)版本,2.3.1虽然是一个小版本更新,但经过了严格测试,特别适合需要稳定性的生产环境。游戏开发者可以放心基于此版本进行项目开发,获得持续的问题修复支持。
对于正在使用Axmol引擎的开发者,建议尽快升级到2.3.1版本,特别是那些使用RenderTexture或Cardinal样条曲线功能的项目。新版本不仅修复了已知问题,还提升了整体稳定性,为游戏开发提供了更加可靠的基础。
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。C097
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00