SameBoy模拟器v1.0版本发布:全面提升GB/GBC模拟体验
项目简介
SameBoy是一款高精度的Game Boy和Game Boy Color模拟器,以其出色的兼容性和准确性在模拟器领域享有盛誉。该项目采用C语言编写,支持多种平台,包括macOS、iOS、Windows等。SameBoy不仅注重游戏兼容性,还在模拟精度上精益求精,致力于还原原版硬件的每一个细节。
v1.0版本重大更新
跨平台支持扩展
本次1.0版本最引人注目的新特性是新增了对watchOS的支持。watchOS版本不仅支持ROM和存档在iOS设备间的传输,还针对小屏幕优化了两套可自定义的控制方案。用户可以通过快速前进和回退功能更灵活地控制游戏进度,所有设置都能与配对的iPhone同步。
用户体验全面升级
在iOS前端方面,v1.0版本带来了多项改进:支持使用控制器时的全屏模式、新增iCloud支持、改进了带刘海屏iPhone的横向布局,并增加了3种新的界面主题。特别值得一提的是,iOS版本现在可以完整支持Game Boy Printer模拟和作弊码功能。
Cocoa前端(主要面向macOS)现在已进行数字签名和公证,提升了安全性。调试器和其他开发窗口现在可以使用等宽字体,提高了代码可读性。此外,作弊搜索功能已添加到作弊菜单中,作弊窗口的用户界面也经过了重新设计。
音频与视频质量提升
v1.0版本在音频处理上做出了重大改进,用带限合成技术取代了原有的盒式滤波器进行音频下采样,显著提高了所有前端的音频质量。视频方面,改进了PPU(图像处理单元)的时序模拟,特别是针对CGB(彩色Game Boy)0到C版本的模拟更加精确。
模拟精度突破
本次更新在模拟精度方面有多项突破性进展:
- 改进了OAM(对象属性存储器)的可访问性时序
- 更准确地模拟了SCX(水平滚动寄存器)写入冲突
- 改进了PPU取数器时序,修复了《Mr. Chin's Gourmet Paradise》和《Turrican》等游戏中的视觉故障
- 更精确地模拟了窗口边缘情况,包括新发现的CGB窗口故障
- 改进了双倍速模式下LYC(LY比较)边缘情况的模拟精度
技术细节解析
核心架构改进
SameBoy核心现在支持输出2MHz原始音频(无需下采样),为专业用户提供了更高保真度的音频选项。在macOS平台上,Quick Look插件和主应用程序现在共享相同的磁盘代码,减少了应用体积。
值得注意的是,v1.0版本改进了线程和上下文安全断言,增强了多线程环境下的稳定性。同时,构建系统现在支持将SameBoy编译为动态库(包括Windows平台),而之前仅支持静态库。
API稳定性与文档
v1.0版本标志着SameBoy核心API的稳定化。开发团队不仅修复了某些API错误返回成功值的问题,还提供了完整的API文档。这对于希望将SameBoy集成到其他项目中的开发者来说是个重大利好。
兼容性说明
v1.0版本保持了对SameBoy 0.14.3及更新版本存档状态的向后兼容性,同时也兼容任何符合BESS标准的模拟器生成的存档状态。这意味着用户可以无缝迁移他们的游戏进度。
总结
SameBoy v1.0版本是一个重要的里程碑,不仅在功能上有了显著扩展,在模拟精度和用户体验上也达到了新的高度。从新增的watchOS支持到核心模拟精度的各项改进,再到API的稳定化,这个版本展现了SameBoy项目对完美模拟体验的不懈追求。对于Game Boy和Game Boy Color的爱好者来说,v1.0版本无疑是最佳的选择之一。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00