Axmol引擎2.4.0版本发布:性能优化与功能增强
Axmol是一个基于Cocos2d-x分支发展而来的开源游戏引擎,专注于为开发者提供高性能、跨平台的游戏开发解决方案。作为一款轻量级但功能强大的引擎,Axmol支持Windows、macOS、Linux、Android、iOS以及Web等多个平台,特别适合2D游戏开发。
近日,Axmol团队正式发布了2.4.0版本,这是一个长期支持(LTS)的小版本更新,主要聚焦于bug修复和功能改进。让我们一起来看看这个版本带来了哪些值得关注的变化。
核心改进与优化
构建系统增强
2.4.0版本对构建系统进行了多项改进,包括支持选择特定版本的MSVC工具链,改进了macOS上的setup.ps1脚本,以及优化了Gradle脚本。这些改进使得开发者能够更灵活地配置开发环境,特别是在Windows平台上,现在可以更精确地控制使用的编译器版本。
对于Android开发者,新版本允许项目指定Axmol引擎的根路径,这为大型项目的模块化管理提供了便利。同时,团队还更新了Proguard文件并进行了清理,进一步优化了Android平台的构建流程。
Web平台性能提升
WebAssembly版本的构建问题得到了修复,特别是在-O0优化级别下的构建失败问题。此外,团队还修复了WebGL渲染中的多个问题,显著提升了Web平台的渲染帧率,使得基于Axmol开发的网页游戏能够运行得更加流畅。
音频系统增强
音频引擎现在支持更大的并发实例数,MAX_AUDIOINSTANCES值从默认值提高到了128,这对于需要同时播放多个音效的游戏场景非常有用。此外,新版本还增加了修改音频音调的方法,为游戏音频处理提供了更多可能性。
重要Bug修复
视频播放修复
在Apple TV设备上,视频播放有时会冻结在第一帧的问题得到了解决。这个修复确保了视频内容在各种苹果设备上都能流畅播放。
瓦片地图优化
瓦片地图的动画逻辑和剔除机制得到了改进。现在瓦片动画会使用正确的时间每帧,而剔除算法也更加精确,这对于使用大型瓦片地图的游戏来说意味着更好的性能和更准确的渲染。
标签渲染改进
文本标签的渲染得到了多项增强,包括下划线、删除线和颜色处理的改进。特别是修复了在DrawNode中应用不透明度的问题,并确保下划线和删除线位置计算正确,使得文本显示更加美观和一致。
第三方库更新
2.4.0版本对多个核心依赖库进行了升级:
- 将ASTC纹理压缩库从5.1.0升级到5.2.0,提供更好的纹理压缩质量
- Clipper2库从1.4.0升级到1.5.2,改进了多边形裁剪算法
- cURL库更新到8.12.1,增强了网络功能
- OpenSSL升级到3.0.16,提高了安全性
- libpng更新到1.6.47,改进了PNG图像处理
开发工具链更新
对于Web开发者,Emscripten SDK从3.1.73升级到了4.0.3,带来了最新的WebAssembly工具链和改进。同时,团队移除了不再使用的yaml-cpp库,简化了代码库。
平台特定改进
在Android平台上,新增了SurfaceView交互禁用功能,为开发者提供了更多UI控制选项。Windows平台的EditBox控件也得到了增强,确保在多行模式下正确启用垂直滚动,并在首次获得焦点时正确显示文本。
总结
Axmol 2.4.0版本虽然是一个小版本更新,但包含了大量实质性的改进和修复,特别是在性能优化、跨平台兼容性和开发者体验方面。这些改进使得Axmol作为一个轻量级但功能全面的游戏引擎更加成熟可靠。
对于现有项目,特别是那些遇到视频播放、瓦片地图渲染或Web平台性能问题的项目,升级到2.4.0版本将能获得明显的改善。新项目则可以直接从这个更加稳定和完善的版本开始,享受更好的开发体验和运行时性能。
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