Redot引擎4.3.1 RC1版本发布:GDExtension接口增强与跨平台测试优化
Redot引擎是基于Godot引擎分支开发的一个开源游戏引擎项目,专注于提供更高效的开发体验和更强大的功能扩展。作为Godot生态的重要补充,Redot在保持Godot原有特性的基础上,通过持续优化和功能增强,为开发者提供了更多可能性。
核心功能增强
本次发布的4.3.1 RC1版本中,最值得关注的是对GDExtension接口的增强。开发团队新增了get_redot_version接口,这一改进使得开发者能够通过代码直接获取当前运行的Redot引擎版本信息。这一功能对于需要针对不同引擎版本进行兼容性处理的插件和扩展开发尤为重要。
在底层架构方面,Redot 4.3.1 RC1继续保持了与上游Godot引擎的同步,合并了最新的Godot引擎提交,确保了核心功能的稳定性和兼容性。
跨平台测试体系完善
本次版本在持续集成(CI)方面做出了重要改进,新增了对redot-cpp的测试支持。这一变化显著提升了C++模块的代码质量保证能力,特别是在跨平台环境下的稳定性验证。
开发团队还修复了Godot/Redot C++测试在CI环境中的并发错误,这一改进使得自动化测试流程更加可靠,减少了因环境问题导致的误报情况。
版本管理与发布流程
作为4.3.1版本的第一个候选发布版(RC1),这个版本标志着Redot 4.3.1系列进入了发布前的最后阶段。按照语义化版本控制规范,4.3.1属于补丁版本更新,主要包含错误修复和小幅改进,不包含破坏性变更。
多平台支持情况
Redot 4.3.1 RC1延续了项目对多平台的广泛支持,提供了包括Linux(ARM32/ARM64/x86)、macOS和Windows等多个架构的构建版本。特别值得注意的是对ARM架构的持续支持,这在移动设备和嵌入式游戏开发场景中尤为重要。
对于需要.NET支持的开发者,版本同样提供了Mono版本的导出模板和运行时环境,确保了C#开发者的使用体验。
开发者建议
对于正在评估Redot引擎的开发者,RC1版本已经具备了生产环境使用的基本条件,可以作为技术验证的基准版本。特别是对于需要GDExtension版本检查功能的插件开发者,建议尽快适配新的接口。
考虑到这是候选发布版,对于关键业务项目,建议等待最终稳定版发布后再进行升级。同时,开发团队鼓励社区开发者积极参与测试,反馈使用中发现的问题,共同完善Redot生态系统。
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
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-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
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