NonSteamLaunchers项目v4.0.2版本发布:社区布局与Pokémon游戏支持
NonSteamLaunchers是一个旨在增强Steam Deck游戏体验的开源工具,它允许用户在Steam Deck上安装和运行各种非Steam游戏平台。最新发布的v4.0.2版本带来了多项重要更新,特别是对社区控制器布局的支持和新增的Pokémon系列游戏兼容性。
社区控制器布局支持
本次更新的核心功能之一是增加了对社区控制器布局的支持。这意味着当用户通过NonSteamLaunchers创建的非Steam游戏快捷方式时,现在可以访问Steam社区为这些游戏创建的控制器配置方案。不过需要注意的是:
- 该功能目前仅支持部分游戏,并非所有游戏都能显示社区布局
- 用户需要重新创建NonSteamLaunchers快捷方式才能使此功能生效
- 在创建快捷方式过程中,系统会为每个非Steam游戏生成一个特殊文件,用于访问对应的社区布局
这项改进显著提升了游戏手柄配置的便利性,让玩家可以轻松获取其他用户分享的优秀控制方案。
新增游戏支持
v4.0.2版本特别关注了Pokémon系列游戏的兼容性,新增了两款重要游戏:
-
Pokémon Trading Card Game Live:现在支持原生Windows版本在Steam Deck上运行,为集换式卡牌游戏爱好者提供了更好的游戏体验。
-
PokéRogue:这款游戏已被添加到流媒体站点列表中,并且完全支持游戏手柄操作。对于喜欢Pokémon风格roguelike游戏的玩家来说,这是一个令人兴奋的补充。
桌面版与插件版同步更新
NonSteamLaunchers提供了两种使用方式,本次更新均适用于:
-
桌面版本:通过NonSteamLaunchers.desktop文件安装,包含安装最新版NSL Decky Loader插件的选项。
-
插件版本:通过NSLPlugin.desktop文件安装,专为已安装Decky Loader的用户设计,提供更便捷的更新方式。
对于Windows用户,安装流程稍有不同,需要先运行NSLPluginWindows.exe创建必要的调试文件,然后再运行插件加载器。
技术实现细节
从技术角度看,v4.0.2版本的改进主要体现在:
- 社区布局访问机制的实现,通过生成特定文件与Steam社区对接
- 游戏兼容性扩展,特别是对Windows原生游戏在Steam Deck上的优化
- 多平台支持架构的完善,确保桌面版和插件版功能同步
这些改进不仅提升了用户体验,也展示了项目团队对Steam Deck生态系统的深入理解和技术实力。
总结
NonSteamLaunchers v4.0.2版本通过引入社区控制器布局和扩展游戏支持,进一步巩固了其作为Steam Deck多功能游戏平台解决方案的地位。对于希望在Steam Deck上享受多样化游戏体验的玩家来说,这次更新提供了更多便利和可能性。项目团队持续关注用户需求,不断优化功能,值得游戏爱好者关注和使用。
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
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 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
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