Axmol引擎2.3.0版本发布:跨平台游戏开发的新年献礼
Axmol是一个基于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,并持续优化渲染性能、工具链和开发体验。
2025年新年伊始,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,主要包含错误修复和功能改进。本文将详细介绍这个版本的重要变更和技术亮点。
核心架构改进
本次更新在引擎架构层面有几个重要改进:
-
Android 15支持:新增了对Android 15系统16KB页面大小的支持,确保游戏在最新Android设备上的兼容性和性能表现。
-
包名重构:将Java包名从
org.axmol*统一改为dev.axmol*,这是为了遵循更现代的Android开发规范。 -
工具链升级:将着色器编译器从
glslcc重命名为axslcc,体现了Axmol对工具链的自主掌控能力。 -
构建系统优化:新增了创建最小化
axmol-bs包的支持,简化了跨平台构建流程。同时构建脚本现在支持Visual Studio 2022预览版。
渲染与图形功能增强
在图形渲染方面,2.3.0版本带来了多项改进:
-
Metal渲染器:现在支持mipmap功能,可以显著提升纹理在缩小显示时的视觉质量。
-
DrawNode增强:修复了
drawPie方法在使用线框模式时的绘制错误,并整体提升了绘制性能。 -
文本渲染:移除了TTF字体65535字符码的限制,支持更广泛的Unicode字符集显示。
平台特定优化
针对不同平台的优化是本次更新的重点:
-
Windows平台:
- 修复了Label组件处理长字符串时可能导致的随机崩溃问题
- 使消息框默认置顶显示,避免被其他窗口遮挡
- 增强了内存泄漏检测功能
-
Android平台:
- 新增了对AAB(Android App Bundle)格式的支持
- 修复了类名路径错误问题
- 优化了EditBox组件的文本选择功能,支持Ctrl+A全选
- 防止了过度调用deleteBackward方法导致的潜在崩溃
-
跨平台工具:
- 更新了luabinding生成器使用的libclang至19.1.6版本
- 改进了构建配置文件的组织结构
第三方库升级
2.3.0版本对多个核心依赖库进行了升级:
- 图形处理:astcenc 5.1.0、webp 1.5.0、jpeg-turbo 3.1.0
- 音频处理:oboe 1.9.3
- 网络通信:curl 8.11.1、c-ares 1.34.4
- 序列化:flatbuffers 24.12.23
- 脚本引擎:luajit 2.1最新提交
- UI工具:imgui 1.91.6
构建系统现代化
构建工具链也获得了显著更新:
- Android Gradle插件(AGP)升级到8.7.3
- Gradle版本提升至8.11.1
- Android目标SDK升级到35
- Emscripten SDK更新到3.1.73
开发者体验改进
Axmol 2.3.0在提升开发者体验方面做了许多工作:
-
下载的依赖包现在存放在
cache目录而非tools/external,更符合现代构建系统的惯例。 -
测试项目中自动忽略构建目录,保持代码仓库整洁。
-
增强了内存泄漏检测机制,在更多场景下自动打印泄漏信息,帮助开发者快速定位问题。
-
提供了从指定提交创建发布的CI支持,简化了版本管理流程。
总结
Axmol 2.3.0作为2025年的首个版本,虽然在版本号上只是一个小更新,但包含了大量实质性的改进和优化。从底层架构到工具链,从平台支持到开发者体验,这个版本都体现了Axmol团队对产品质量的持续追求。特别是对最新Android系统的支持、Metal渲染器的增强以及构建系统的现代化改造,都为开发者创建高性能跨平台游戏提供了更强大的基础。
对于现有项目升级,Axmol团队提供了详细的迁移指南,帮助开发者平滑过渡到新版本。随着Axmol生态的不断成熟,它正成为越来越多游戏开发者的可靠选择。
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