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。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C030
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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