Axmol引擎2.6.0版本发布:跨平台游戏开发的重大更新
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。本次2.6.0版本作为长期支持(LTS)版本,带来了多项重要改进和错误修复。
核心改进与平台支持
本次更新显著提升了Android开发环境的兼容性,现在支持最低Android 16版本,同时要求Android Studio的最低版本更新至2024.3.2。对于WebAssembly平台,修复了Windows下的构建问题,并推荐使用emsdk 3.1.73版本以获得更好的Chrome调试体验。
在音频处理方面,引擎改进了OGG音频文件的处理机制,现在能够通过文件头准确检测编解码器。同时修复了在使用Apple OpenAL框架时播放Opus音频失败的问题,为跨平台音频处理提供了更稳定的支持。
性能优化与内存管理
ZipUtils模块中的decompressGZ函数得到了显著改进,现在能够精确解析未压缩数据的大小并预留恰好的内存空间,避免了内存浪费。此外,还增加了输入数据大小的有效性检查,防止了潜在的安全问题和无限循环情况。
对于PNG图像处理,修复了PNG_ARM_NEON_OPT标志的问题,提升了在ARM架构设备上的图像处理性能。同时,更新了libpng到1.6.48版本,进一步增强了图像处理的稳定性和性能。
文本渲染与UI改进
文本渲染系统获得了多项重要修复,特别是在Overflow::CLAMP模式下,修复了字符、下划线和删除线超出标签边界的问题。对于特定字符集和左对齐文本的显示问题也得到了解决,使文本渲染更加精确和可靠。
在UI组件方面,FairyGUI支持了混合模式(blending),为UI设计提供了更多创意可能性。同时,MediaPlayer组件新增了getVirtualRenderer实现,增强了媒体播放功能的灵活性。
构建系统与工具链更新
构建系统进行了多项改进,包括更友好的Linux环境设置、改进的Android Studio支持,以及更清晰的axslcc工具查找提示。Gradle构建脚本移除了过时的renderscriptDebuggable配置,使构建过程更加现代化。
工具链方面,Android构建工具更新至35.0.0版本,目标SDK提升至36。AGP(Android Gradle Plugin)从8.7.3升级到8.10.0,带来了更好的构建性能和兼容性。
安全与稳定性增强
下载器模块(curl)修复了可能导致下载线程崩溃或挂起的问题,提升了网络操作的稳定性。同时更新了多个关键第三方库,包括OpenSSL 3.5.0、c-ares 1.34.5和Clipper2 1.5.3等,增强了安全性和功能完整性。
对于开发者体验,Android项目现在默认启用详细日志,便于调试。PowerShell脚本的执行策略说明更加清晰,帮助开发者避免常见的配置问题。
总结
Axmol 2.6.0版本作为长期支持版本,在稳定性、性能和开发者体验方面都做出了显著改进。从底层的内存管理到高层的UI组件,从构建系统到跨平台支持,这次更新全面提升了引擎的可靠性和功能性。对于正在使用或考虑使用Axmol引擎的开发者来说,2.6.0版本无疑是一个值得升级的稳定选择。
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