NonSteamLaunchers项目v4.2.0版本发布:新增Humble Games支持与多平台优化
NonSteamLaunchers是一个旨在帮助Steam Deck用户整合非Steam游戏平台的工具项目,它能够将这些平台中的游戏无缝集成到Steam的游戏模式中。最新发布的v4.2.0版本带来了多项重要更新,特别是对Humble Games Collection的支持以及跨平台功能的优化。
核心功能更新
Humble Games Collection扫描支持
本次更新的亮点是新增了对Humble Games Collection的扫描功能。这意味着用户现在可以直接将Humble平台上的游戏、合集和捆绑包中的内容扫描并添加到Steam的游戏模式中。这项功能的加入进一步扩展了NonSteamLaunchers的兼容性范围,为拥有Humble平台游戏的用户提供了更完整的整合体验。
艺术作品质量提升
开发团队持续优化了游戏艺术作品的生成质量。在v4.2.0版本中,艺术作品系统变得更加稳定,生成的封面和背景图质量也有显著提升。这对于追求完美游戏库展示效果的用户来说是一个重要的改进。
多平台版本优化
桌面版与插件版分离
v4.2.0版本对安装方式进行了重构,现在提供了两个独立的.desktop文件:
- 桌面版(Desktop Version):包含完整的NonSteamLaunchers功能,同时提供了安装最新版NSL Decky Loader插件的选项
- 插件版(Plugin Version):专为已安装Decky Loader的用户设计,可以单独更新插件而无需使用桌面模式
这种分离设计让不同使用场景的用户都能获得最合适的安装体验。
Windows平台支持改进
对于Windows用户,v4.2.0版本提供了更清晰的安装指南:
- 首先运行NSLPluginWindows.exe,这会创建必要的cef调试文件
- 然后选择运行No_console.exe或Plugin Loader.exe
- 进入游戏模式或大屏幕模式即可使用Decky Loader插件
需要注意的是,Windows版本目前仅支持游戏扫描功能,其他功能暂不可用。但扫描过程会自动为所有非Steam游戏添加适当格式的艺术作品,确保在Windows环境下的完美展示。
技术实现亮点
从技术角度看,v4.2.0版本的改进主要体现在以下几个方面:
- 扫描引擎增强:新增的Humble Games支持表明扫描引擎具有很好的扩展性,可以相对容易地加入对新平台的支持
- 跨平台兼容性:通过分离桌面版和插件版,项目更好地适应了不同用户的使用习惯和环境
- 艺术作品生成优化:持续改进的艺术作品系统展示了项目对用户体验细节的关注
使用建议
对于不同用户群体,我们建议:
- 新用户:直接从桌面版开始体验完整功能
- 已有Decky Loader的用户:使用插件版进行快速更新
- Windows用户:按照专门的Windows安装指南操作,特别注意运行顺序
这个版本的发布标志着NonSteamLaunchers项目在多平台支持和功能完善方面又迈出了重要一步,特别是对Humble Games用户来说是一个值得升级的版本。艺术作品系统的持续优化也体现了开发团队对细节的关注,相信会为用户带来更好的整体体验。
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-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