Wax项目v1.3.2版本发布:漫画阅读体验再升级
Wax是一款专注于漫画阅读体验的开源应用程序,旨在为用户提供流畅、便捷的漫画浏览功能。该项目通过持续迭代更新,不断优化用户体验并修复已知问题。
核心功能更新
v1.3.2版本在阅读体验方面做出了显著改进。最值得关注的是新增了"继续阅读"功能,系统会自动记录用户上次的阅读进度,下次打开同一漫画时可以直接从上次中断的位置继续阅读,大大提升了阅读的连贯性。同时,该版本还完善了历史记录功能,用户可以方便地查看和管理自己的阅读历史。
在用户交互方面,v1.3.2版本增加了长按标题复制的功能,方便用户快速复制漫画标题进行分享或搜索。此外,界面显示也进行了优化,现在会清晰展示漫画的分类信息和页数,帮助用户更好地了解当前阅读内容。
性能优化与问题修复
针对图片显示问题,开发团队修复了部分无法正常显示的图片,提升了整体浏览体验。在搜索功能方面,修复了之前版本中存在的搜索错误问题,使搜索更加准确可靠。
缓存管理功能也得到了改进,修复了清除缓存菜单操作无效的问题,现在用户可以更有效地管理应用缓存。网络连接方面,新增了多个分流服务器选项,提高了内容加载的稳定性和速度。
多平台支持
Wax项目继续保持对多平台的良好支持,v1.3.2版本提供了Android(包括arm32、arm64和x86_64架构)、iOS以及桌面端(Linux、macOS和Windows)的安装包。值得注意的是,iOS版本需要用户自行签名安装,这为苹果设备用户提供了更多灵活性。
未来展望
根据发布说明,开发团队计划在后续版本中增加代理设置功能,这将进一步提升应用在不同网络环境下的可用性。这一功能的加入将使Wax能够更好地服务于网络环境复杂的用户群体。
Wax项目通过v1.3.2版本的更新,再次证明了其对用户体验的重视和对产品质量的追求。从阅读功能的完善到性能的优化,再到多平台的支持,Wax正在逐步成长为一款功能全面、体验优秀的漫画阅读解决方案。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00