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。
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