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。
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