Nakama 3.26.0版本发布:社交游戏服务器的重要更新
Nakama是一款开源的分布式社交和实时游戏服务器,专为移动和网页游戏设计。它提供了用户认证、实时多人游戏、社交功能、排行榜、聊天系统等核心功能,帮助开发者快速构建复杂的游戏后端系统。最新发布的3.26.0版本带来了一系列功能增强和问题修复,进一步提升了系统的稳定性和功能性。
主要新增功能
开发者控制台支持邮箱账户过滤
在3.26.0版本中,开发者控制台新增了通过邮箱地址过滤账户的功能。这一改进使得管理员能够更便捷地查找和管理特定用户账户,特别是在处理用户支持请求或进行账户审计时尤为有用。开发者现在可以直接在控制台界面输入邮箱地址进行精确查询,大大提高了管理效率。
好友元数据支持
此版本引入了好友元数据功能,为游戏社交系统带来了更大的灵活性。开发者现在可以为好友关系附加自定义元数据,例如:
- 好友关系的建立时间
- 好友间的互动频率
- 自定义的好友分组标签
- 特殊的社交关系状态
这一功能扩展了Nakama的社交图谱能力,使开发者能够构建更丰富的好友系统和社交互动体验。
技术架构升级
Nakama 3.26.0版本完成了对Go 1.23.5的升级。这一基础架构的更新带来了:
- 更高效的内存管理
- 改进的垃圾回收机制
- 增强的并发处理能力
- 最新的安全补丁和性能优化
对于使用Go运行时扩展的开发团队,需要同步升级nakama-common包至v1.36.0版本以确保兼容性。
关键问题修复
聊天消息排序修复
修复了持久化聊天消息列表返回顺序不正确的问题。现在系统能够严格按照时间顺序返回历史消息,确保了聊天体验的连贯性和一致性。
排行榜详情端点修正
改进了控制台API中的锦标赛排行榜详情端点,现在能够准确返回所有相关比赛细节,包括:
- 参赛者排名
- 得分详情
- 比赛时间戳
- 相关统计信息
性能监控优化
解决了无效HTTP RPC ID被错误计入Prometheus监控指标的问题。这一修复确保了系统监控数据的准确性,为性能分析和容量规划提供了更可靠的基础。
Lua运行时改进
修正了Lua运行时中的短日期格式选项处理问题,现在日期格式化函数能够正确识别和处理各种日期格式参数。
群组列表过滤修复
优化了同时使用开放状态和数量过滤器的群组列表查询,现在系统能够准确返回符合所有筛选条件的群组信息。
开发者注意事项
对于使用Go服务器运行时的开发者,必须使用nakama-common包的v1.36.0版本。可以通过以下命令进行升级:
env GO111MODULE=on go get "github.com/heroiclabs/nakama-common/runtime@v1.36.0"
这一版本升级确保了与Nakama 3.26.0的完全兼容性,同时提供了最新的API功能和性能优化。
Nakama 3.26.0版本的发布进一步巩固了其作为游戏后端解决方案的地位,通过持续的改进和优化,为开发者提供了更强大、更稳定的基础设施,帮助他们构建更具吸引力的游戏社交体验。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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