【亲测免费】 Hangover:让x86 Windows应用在ARM64上飞起来!
项目介绍
Hangover 是一个由André Zwing和Stefan Dösinger于2016年启动的开源项目,旨在实现x86_32 Windows应用程序在aarch64(ARM64)架构上的运行。通过巧妙的技术手段,Hangover能够仅模拟目标应用程序,而非整个Wine安装,从而显著提升性能。目前,Hangover的主要目标是支持在ARM64 Linux上运行i386 Windows应用程序,同时也支持在x86_64 Linux上运行ARM32 Windows应用程序。
项目技术分析
Hangover的核心技术在于其独特的模拟策略。它利用多种模拟器作为DLL(动态链接库),仅模拟目标应用程序,而非整个Wine环境。当应用程序进行Windows或Wine系统调用时,如NtUserCreateWindowEx,这些调用会在非模拟环境中执行,从而实现高性能。此外,所有与Unix相关的操作都不会被模拟,进一步提升了效率。
Hangover通过WoW64(Windows on Windows 64-bit)支持,实现了在ARM64架构上的x86_32应用程序模拟。这种策略不仅减少了模拟的开销,还避免了不必要的性能损失。
项目及技术应用场景
Hangover的应用场景非常广泛,尤其适合以下几种情况:
-
ARM64设备上的Windows应用迁移:对于希望在ARM64设备(如某些嵌入式系统或ARM服务器)上运行x86 Windows应用程序的用户,Hangover提供了一个高效且轻量级的解决方案。
-
跨平台开发与测试:开发者在进行跨平台开发时,可以使用Hangover在ARM64 Linux上测试和调试x86 Windows应用程序,确保其在不同平台上的兼容性和性能。
-
老旧应用的兼容性支持:对于一些老旧的x86 Windows应用程序,Hangover可以帮助它们在现代ARM64架构上继续运行,延长其生命周期。
项目特点
- 高性能模拟:Hangover通过仅模拟目标应用程序,而非整个Wine环境,显著提升了模拟性能。
- 多模拟器支持:项目支持多种模拟器(如QEMU、FEX、Box64等),用户可以根据需求选择最适合的模拟器。
- 跨平台兼容:不仅支持在ARM64 Linux上运行x86 Windows应用程序,还支持在x86_64 Linux上运行ARM32 Windows应用程序。
- 社区支持:项目拥有一个活跃的Discord社区,为贡献者和用户提供技术支持、开发讨论等服务。
- 易于构建与使用:Hangover提供了详细的构建和运行指南,用户可以轻松地在Debian、Ubuntu、Termux等平台上进行构建和使用。
结语
Hangover项目通过其创新的技术手段和高效的模拟策略,为ARM64设备上的x86 Windows应用程序运行提供了一个优秀的解决方案。无论你是开发者、系统集成商,还是普通用户,Hangover都能帮助你轻松实现跨平台应用的运行。赶快加入Hangover的行列,体验高性能的跨平台模拟吧!
项目地址:Hangover GitHub
加入Discord社区:Hangover Discord
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