Axmol引擎2.3.2版本发布:稳定性与功能增强
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。它继承了Cocos2d-x的优秀特性,同时进行了大量优化和改进,为开发者提供了更高效、更稳定的游戏开发体验。本次发布的2.3.2版本是一个长期支持(LTS)的小版本更新,主要聚焦于bug修复和功能改进。
核心Bug修复
本次更新解决了几个关键性问题,显著提升了引擎的稳定性:
-
Lua兼容性修复:针对Lua 5.4以下版本的位操作错误进行了修正,确保了在不同Lua版本下的兼容性。同时修复了Android平台上LuaJIT的luaL_openlibs崩溃问题,这对移动端开发者尤为重要。
-
脚本工具修复:解决了Windows平台下setup.ps1脚本在解析PowerShell和OS版本时的错误,提高了开发环境配置的可靠性。
-
内存管理优化:修复了C++模板场景监听器泄漏问题,这是对资源管理的重要改进,有助于减少内存泄漏风险。
功能增强与改进
2.3.2版本带来了多项功能增强:
-
DrawNode扩展:新增了drawColoredTriangle方法,支持为三角形的每个顶点指定不同颜色,为开发者提供了更灵活的绘图能力。
-
TileMap改进:现在能够正确处理与TMX文件不在同一目录下的资源加载,同时支持创建初始状态为不可见的图层,增强了地图编辑的灵活性。
-
物理系统优化:修正了PhysicsWorld中调试绘制的颜色类型问题,使物理调试更加准确可靠。
-
菜单项回调增强:为MenuItem添加了更细粒度的回调支持,使UI交互开发更加灵活。
第三方库更新
引擎依赖的多个第三方库也获得了更新:
- libpng升级至1.6.45版本,提供了更好的图像处理支持
- fmt库更新至11.1.2,改进了格式化输出功能
- LuaJIT更新至2.1-a4f56a4版本,提升了脚本执行性能
开发体验提升
除了核心功能的改进,2.3.2版本还包含多项提升开发体验的改动:
- 修复了clang-19编译警告,使代码更加规范
- 改进了7z命令行兼容性,简化了资源打包流程
- 更新了Android开发环境配置文档,帮助开发者更快上手
总结
Axmol 2.3.2版本虽然是一个小版本更新,但包含了多项重要的稳定性修复和功能改进,特别是对Lua支持、TileMap处理和物理系统的增强,将显著提升开发者的工作效率和游戏运行稳定性。对于正在使用Axmol引擎的开发者来说,升级到这个版本将获得更好的开发体验和更可靠的运行环境。
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