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。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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