NexusMods.App v0.11.3版本发布:REDmod加载顺序问题修复
NexusMods.App是一个开源的MOD管理工具,专门为游戏玩家提供便捷的MOD安装、管理和更新功能。作为Nexus Mods网站的官方应用,它支持多种游戏,并提供了直观的用户界面来简化MOD管理流程。
核心问题修复
本次v0.11.3版本主要针对REDmod加载顺序相关的问题进行了重点修复。REDmod是CD Projekt Red为《赛博朋克2077》开发的官方MOD系统,其加载顺序直接影响游戏运行时MOD的表现效果。
命令行参数修正
修复了游戏启动时未正确添加-modded命令行参数的问题。这个参数对于REDmod的正常工作至关重要,它告诉游戏引擎需要加载MOD内容。现在应用会确保每次启动游戏时都包含此参数。
REDmod.exe交互优化
解决了REDmod.exe加载顺序传递失败的问题。原先由于命令行参数格式错误,用户设置的MOD加载顺序无法正确传递给REDmod工具。新版本修正了参数格式,确保加载顺序能够准确应用。
跨平台兼容性增强
针对Linux平台进行了多项改进:
- 更新了与Protontricks配合使用的REDmod批处理脚本,使其支持必要的命令行参数
- 修复了因换行符(CRLF vs LF)差异导致的加载顺序应用失败问题
- 调整了REDmod加载顺序文件的存储位置,确保WINE环境能够正确访问
技术细节与解决方案
REDmod重编译机制
团队发现并绕过了REDmod.exe的一个固有缺陷:当MOD列表相同但顺序不同时,工具不会触发重新编译。这可能导致MOD加载顺序变更不生效。虽然已向CD Projekt Red报告此问题,但当前版本通过工作区方式确保加载顺序变更能够正确应用。
游戏版本检测
移除了对Epic Games平台《赛博朋克2077》的检测支持,因为该平台版本目前尚未完全兼容REDmod系统。这一变更实际上在0.11.1版本就已实施,但此次更新才正式列入变更日志。
已知问题说明
尽管本次更新解决了多个关键问题,但仍存在一些待解决的问题:
- 集合评分显示可能偶尔与网站不一致
- 即使未安装REDmod.exe,应用仍会尝试运行它
- 部分表格列排序功能工作异常
- 添加集合时未检查游戏版本兼容性
- 表格排序状态和活动标签状态未保存
- 某些Linux环境下REDmod加载顺序可能仍无法正确应用
这些问题的解决方案已在开发路线图中,预计将在后续版本中逐步修复。
总结
v0.11.3版本通过一系列精准的技术调整,显著提升了REDmod系统的可靠性和跨平台兼容性。特别是对Linux用户而言,这些改进使得MOD管理体验更加流畅。开发团队持续关注用户反馈,致力于解决MOD管理中的各种技术挑战,为玩家提供更稳定、更高效的游戏MOD管理工具。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C030
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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