TrenchBroom 2025.3-RC1版本发布:地图编辑器迎来多项优化与修复
TrenchBroom是一款功能强大的开源3D地图编辑器,主要用于创建和编辑Quake引擎系列游戏的地图。作为一款专业级工具,它提供了直观的界面和高效的编辑功能,深受关卡设计师和游戏开发者的喜爱。
版本亮点
2025.3-RC1作为TrenchBroom的候选发布版本,带来了多项重要改进和错误修复,显著提升了软件的稳定性和用户体验。
核心改进
应用内更新机制
开发团队首次引入了应用内更新功能,这意味着用户未来可以直接在软件内获取最新版本,无需手动下载安装包。这一改进大大简化了更新流程,确保用户能够及时获得安全补丁和新功能。
解析器安全增强
本次更新对解析器进行了重大重构,引入了结果类型返回机制。这种改进使得错误处理更加健壮,特别是在处理复杂地图文件时,能够更优雅地处理异常情况,避免意外崩溃。
表达式语言安全性
团队强化了表达式语言(EL)评估的安全性,确保对值的访问更加安全可靠。这一改进对于防止脚本执行过程中的潜在漏洞至关重要,特别是在处理用户自定义脚本时。
关键错误修复
笔刷挤出崩溃问题
修复了在挤出笔刷操作时可能导致软件崩溃的问题。这个错误会影响地图编辑的流畅性,特别是在进行复杂几何体编辑时。
MDX模型加载问题
解决了MDX模型格式的加载问题,确保这类模型能够正确显示在地图编辑环境中。这对于使用特定模型资源的地图制作者尤为重要。
路径分隔符兼容性
现在编译配置文件中同时支持正斜杠(/)和反斜杠()作为路径分隔符。这一改进提高了跨平台兼容性,特别是在Windows和Unix-like系统之间共享项目时。
性能优化
文件系统搜索改进
游戏文件系统搜索路径现在不区分大小写,这一改变显著提高了资源加载的可靠性,特别是在不同操作系统之间迁移项目时。
数字格式化优化
UI中的数字显示现在会根据用户当前区域设置进行格式化,提供更符合本地习惯的数字表示方式,提升了国际化体验。
构建系统改进
开发团队为持续集成系统引入了ccache支持,显著加快了Linux、macOS和Windows平台的构建速度。这一内部改进虽然对最终用户不可见,但意味着未来版本能够更快地交付给用户。
平台支持
2025.3-RC1版本继续支持主流操作系统:
- Windows 10/11 (仅x64)
- Linux (需要Qt 6.7或更高版本)
- macOS 10.14及以上版本
所有平台都需要支持OpenGL 2.1和GLSL 1.2的显卡及最新驱动程序。Windows用户需要安装Visual C++ Redistributable for Visual Studio 2015-2022才能运行64位版本。
总结
TrenchBroom 2025.3-RC1版本在稳定性、安全性和用户体验方面都做出了显著改进。从应用内更新到解析器重构,再到各种错误修复,这些变化共同提升了这款专业地图编辑工具的整体质量。候选版本的发布意味着正式版即将到来,建议专业用户测试并提供反馈,帮助开发团队进一步完善产品。
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