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。
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