WSABuilds项目发布Windows 11 LTS版本2407.40000.4.0的技术解析
WSABuilds项目是一个专注于为Windows 11系统提供定制化Windows Subsystem for Android(WSA)环境的开源项目。该项目通过整合Magisk、KernelSU等工具,为用户提供了丰富的Android子系统定制选项,包括root权限管理、Google服务支持等特性。最新发布的LTS(长期支持)版本2407.40000.4.0针对ARM翻译层问题进行了修复,并带来了多项功能更新。
版本核心特性
本次发布的LTS版本基于Android 13系统,WSA构建版本号为2407.40000.4.0。该版本主要解决了在2025年6月2日后出现的ARM翻译层兼容性问题,该问题曾导致部分应用无法启动、闪退或卡在启动画面。对于遇到此类问题的用户,建议尽快升级到此版本。
在组件更新方面,项目团队对多个关键组件进行了版本升级:
- Magisk Canary版本从v47cc532d升级至vb1dc47a0
- Magisk Stable版本从v28.1升级至v29.0
- KernelSU版本从v1.0.2升级至v1.0.5
- 移除了Amazon应用商店
版本差异与选择指南
WSABuilds项目提供了多种构建变体,以满足不同用户的需求:
-
含Google服务版本:包含完整的Google Play商店和服务框架,适合需要访问Google生态的用户。提供保留或移除Amazon应用商店的选项。
-
纯净版本:不包含Google服务和相关框架,体积更小。同样提供是否保留Amazon应用商店的选择。
-
KernelSU版本:集成KernelSU 1.0.5,提供root权限管理功能,同时包含Google服务且移除了Amazon应用商店。
-
Magisk版本:分为Stable和Canary两个渠道,均提供root权限支持。Stable版本稳定性更高,Canary版本包含最新特性但可能存在不稳定因素。
对于开发者或高级用户,项目还提供了详细的安装排错指南。当遇到安装问题时,可以通过PowerShell获取详细的错误日志,便于定位问题原因。
技术实现细节
WSABuilds项目采用了Appx打包技术,通过Add-AppxPackage命令将解压后的文件注册为系统应用。值得注意的是,安装目录必须位于NTFS格式的分区上,且安装后不能删除源文件,因为系统运行时仍需要访问这些文件。
对于从旧版本升级的用户,项目团队强烈建议先备份Userdata.vhdx文件,以防新版本出现兼容性问题时可以回退。备份方法在项目文档中有详细说明。
在root解决方案方面,项目同时支持Magisk和KernelSU两种方案。Magisk作为成熟的root管理工具,提供了模块化系统和隐藏root状态等高级功能;而KernelSU则采用内核级实现,具有更高的权限控制能力。
使用建议与注意事项
对于初次使用的用户,建议选择包含Google服务的标准版本,以获得完整的Android应用兼容性。需要root权限的用户可根据自身需求选择Magisk或KernelSU版本,但需注意KernelSU版本需要手动安装管理器应用。
安装过程中需确保使用最新版的7-zip或WinRAR解压工具,以避免文件解压错误。同时,如果系统中已安装官方版本的WSA,必须完全卸载后才能安装这些定制版本。
对于开发者而言,项目提供了详细的错误诊断方法。当安装脚本失败时,可以通过PowerShell命令获取详细的错误日志,便于问题排查和解决。
总的来说,WSABuilds项目的这个LTS版本在稳定性和功能性方面都做了显著提升,特别是解决了ARM翻译层的兼容性问题,为Windows平台上的Android应用运行提供了更加可靠的环境。
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-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
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