Axmol引擎2.3.0版本发布:跨平台游戏开发的新里程碑
Axmol引擎是一款基于Cocos2d-x分支发展而来的开源跨平台游戏引擎,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和iOS等多个平台,特别适合2D游戏开发。2025年1月1日,Axmol团队发布了2.3.0版本,这是一个长期支持(LTS)的小版本更新,主要包含问题修正和功能改进。
核心改进与功能增强
平台兼容性提升
2.3.0版本特别针对Android 15系统进行了优化,新增了对16KB页面大小的支持。这一改进对于现代Android设备的兼容性至关重要,特别是随着Android系统不断演进,底层硬件架构也在发生变化。16KB页面大小的支持确保了Axmol引擎能够在最新的Android设备上高效运行。
构建系统优化
构建系统是开发体验的重要组成部分。本次更新对构建配置文件进行了全面改进,使得跨平台构建更加顺畅。特别值得一提的是新增的axmol-bs最小化包,它为常见的跨平台构建目的提供了精简的解决方案,大大简化了构建流程。
命名空间重构
为了保持项目的一致性和专业性,2.3.0版本进行了重要的命名空间调整:
- 将Java包名从
org.axmol*变更为dev.axmol* - 将着色器编译器工具
glslcc重命名为axslcc
这些变更虽然不影响功能,但体现了项目向更加专业和统一的方向发展。
开发工具链更新
开发工具链的更新是本次发布的另一个亮点:
- 将libclang更新至19.1.6版本,提升了Lua绑定生成器的性能和稳定性
- 将下载包存储位置从
tools/external改为cache目录,更加符合现代构建系统的惯例 - 新增了对Visual Studio 2022预览版的支持,确保开发者可以使用最新的开发环境
重要问题修正
渲染系统修正
- 修正了Windows平台上使用长字符串创建Label时可能导致随机崩溃的问题
- 修正了DrawNode::drawPie在特定参数组合下的绘制错误
- Metal渲染后端现在支持mipmap,提升了纹理渲染质量
平台特定问题
- 修正了Android构建过程中的多个问题
- 修正了Android类名路径不正确的问题
- 改进了媒体播放器的稳定性
用户体验改进
- 在EditBox中增加了CTRL+A全选文本的支持
- 防止Android平台上deleteBackward方法的过度调用,减少了潜在的崩溃风险
- 使Win32消息框始终保持最顶层显示
性能与功能增强
绘图功能改进
DrawNode::drawPie()方法得到了显著改进,提供了更精确的圆形和扇形绘制能力。这对于需要精确几何图形的游戏特别有价值。
内存管理
新增了printLeaks调用,帮助开发者更好地检测和解决内存泄漏问题。这一改进对于长期运行的应用程序尤为重要。
字体系统
移除了TTF字体对字符码65535的限制,大大扩展了字体系统的字符支持范围,为国际化应用提供了更好的支持。
第三方库更新
2.3.0版本包含了多个重要第三方库的更新:
- ASTC纹理压缩库从4.8.0升级到5.1.0
- c-ares异步DNS解析库更新至1.34.4
- curl网络传输库升级到8.11.1
- flatbuffers序列化库更新至24.12.23
- fmt格式化库升级到11.1.1
- Oboe音频库更新至1.9.3
- WebP图像库升级到1.5.0
- JPEG-Turbo图像库更新至3.1.0
- LuaJIT脚本引擎更新到最新版本
- Dear ImGui升级到1.91.6
这些更新不仅带来了性能提升,还修正了已知的问题和稳定性问题。
Android构建增强
针对Android平台,2.3.0版本带来了多项改进:
- Android Gradle插件(AGP)从8.4.0升级到8.7.3
- Gradle构建工具从8.8.0更新到8.11.1
- 目标SDK版本从34提升到35
- 新增了对Android应用包(.aab)格式的支持,通过
axmol -p android -aab命令即可构建
总结
Axmol 2.3.0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正。从底层渲染到高层API,从构建系统到开发工具,各个方面都得到了增强。特别是对最新Android平台的支持和构建系统的优化,使得Axmol在现代游戏开发环境中保持了竞争力。
对于现有项目升级,团队提供了详细的升级指南,帮助开发者平滑过渡到新版本。这个版本作为长期支持(LTS)版本,将是未来一段时间内推荐的稳定版本,特别适合需要长期维护的项目使用。
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