NanaZip 5.0 Update 2 发布:压缩工具的重大更新与优化
NanaZip 是一款基于 7-Zip 的开源文件压缩工具,专为 Windows 10/11 设计,提供了现代化的用户界面和增强的功能。作为 7-Zip 的一个分支,NanaZip 在保持原有强大压缩能力的同时,增加了对更多现代压缩格式的支持,并优化了用户体验。
近日,NanaZip 团队发布了 5.0 版本的第二个更新(5.0.1263.0),这个版本带来了多项改进和修复,进一步提升了工具的稳定性和功能性。让我们一起来看看这次更新的主要内容。
新增功能亮点
本次更新引入了一个实用的新特性:K7 风格执行别名。现在用户可以在命令行中直接使用 K7.exe、K7C.exe 和 K7G.exe 来调用 NanaZip,这大大简化了命令行操作体验。这个改进不仅方便了 Windows 用户,也为正在开发中的 NanaZip for POSIX(代号 AptxZip)提供了统一的命令名称风格。
底层技术升级
在技术层面,NanaZip 5.0 Update 2 进行了多项重要的底层更新:
-
将 Mile.Windows.UniCrt 更新至 1.2.328 版本,这是微软通用 C 运行时的现代化封装,有助于提高兼容性和性能。
-
升级 Mile.Xaml 到 2.5.1250 版本,这个库为 NanaZip 提供了现代化的 XAML 界面支持,使 UI 更加流畅和美观。
-
从 Mile.Project.Windows 迁移到 Mile.Project.Configurations,这一架构调整使得项目配置更加灵活和可维护。
关键问题修复
本次更新修复了多个可能导致程序崩溃的问题,显著提升了软件的稳定性:
-
修复了在"Open Inside #"模式下处理 WebAssembly (WASM) 二进制文件时的崩溃问题,现在可以正常支持 WASM 文件的只读访问。
-
解决了.NET 单文件应用程序包在"Open Inside #"模式下的崩溃问题,增强了对.NET 应用的支持。
-
修复了处理 Electron Archive (asar) 文件时的崩溃问题,现在可以稳定地支持 asar 归档的只读访问。
-
修正了提取 *.br 压缩包时可能导致崩溃的问题,感谢社区贡献者 HikariCalyx 的发现和帮助。
-
修复了 XXH3_128bits 哈希值显示时的字节顺序错误问题,感谢 fuchanghao 的贡献。
技术细节解析
XXH3_128bits 哈希算法的字节顺序修复是一个值得关注的技术改进。XXH3 是 Extremely Fast Hash Algorithm 的最新版本,被广泛用于校验和数据完整性验证。之前的版本中,128 位哈希值的显示顺序不正确,这可能导致校验时出现误判。本次更新确保了哈希值的正确显示和验证。
对于开发者而言,从 Mile.Project.Windows 迁移到 Mile.Project.Configurations 是一个重要的架构调整。新的配置系统提供了更灵活的构建选项,使得维护和扩展 NanaZip 变得更加容易,也为未来的功能开发奠定了基础。
总结
NanaZip 5.0 Update 2 是一个以稳定性和用户体验为核心的更新版本。通过引入命令行别名、升级关键组件和修复多个崩溃问题,这个版本进一步巩固了 NanaZip 作为现代化压缩工具的地位。对于需要处理多种压缩格式的用户,特别是开发者和技术人员,这次更新提供了更可靠和高效的工具支持。
NanaZip 团队持续关注用户反馈和社区贡献,这使得项目能够快速响应问题并不断改进。随着每次更新的发布,NanaZip 都在向着更强大、更稳定的方向迈进。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00