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。C086
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python057
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0137
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