LiveContainer 3.5.0发布:多任务处理与ADP证书支持全面升级
项目简介
LiveContainer是一款创新的iOS应用容器技术,它允许用户在非越狱设备上运行修改版或第三方iOS应用。通过独特的沙盒技术和动态加载机制,LiveContainer为用户提供了安全运行非官方应用的能力,同时保持了系统的完整性。
多任务处理功能解析
本次3.5.0版本最引人注目的特性是全新的多任务处理能力。传统上,LiveContainer只能同时运行一个应用,这限制了用户的使用场景。新版本通过以下技术实现了突破:
-
虚拟窗口技术:应用现在可以在LiveContainer内部以虚拟窗口形式运行,支持自由调整大小和缩放比例。
-
原生PiP支持:利用iOS原生的画中画(Picture-in-Picture)功能,用户可以将运行中的应用以浮动窗口形式展示。
-
iPad多窗口优化:针对iPad的大屏特性,应用可以以原生系统窗口形式独立显示,充分利用iPadOS的多任务界面。
实现这一功能的关键在于:
- 应用共享机制:需要将目标应用转换为共享应用
- 扩展保留:安装时必须选择"Keep Extension"选项
- 进程管理:通过应用组(APP Groups)实现进程间通信
ADP证书支持深度解析
3.5.0版本对ADP开发证书的支持进行了重大改进:
-
动态应用组识别:不再硬编码SideStore/AltStore的应用组,而是直接从.mobileprovision文件中读取配置信息。
-
证书要求:
- 仅支持开发证书
- 必须包含至少一个应用组才能启用多任务
- 需要包含全部128个密钥链访问组以实现密钥链隔离
-
最佳实践:建议将LiveContainer的bundle ID修改为与.mobileprovision中的application-identifier匹配。
性能优化与底层改进
本次更新对应用启动流程进行了深度优化:
-
启动加速:
- 取消将共享应用数据移至私有文件夹的操作
- 采用新方法覆盖主可执行文件路径,避免SIGSEGV信号处理
- 移除应用锁,仅保留容器锁
-
dyld改进:
- 直接设置dyld.config.process.mainExecutablePath确保_NSGetExecutablePath返回正确值
- 修复dyld库验证绕过问题,避免影响A15+设备上需要JIT的应用执行JIT页面
新增功能与使用技巧
-
.tipa文件支持:现在可以直接安装.tipa格式的应用包,但需注意应用仍需正确的授权才能正常运行。
-
应用搜索:在应用列表中新增了搜索功能,方便管理大量应用。
-
StikDebug:原StikJIT(Standalone)重命名为StikDebug,提供更专业的调试功能。
-
iOS 26 Liquid Glass支持:虽然基于iOS 18.2 SDK构建,但提供了对iOS 26新UI特性的兼容选项。
问题修复与稳定性提升
版本修复了多个关键问题:
- 解决了HealthKit授权相关的Info.plist错误
- 修复了iOS 16.2和iPad 7上的iOS 18.4+兼容性问题
- 改进了KVO通知机制,确保UsedDefaults变更时正确通知
- 处理了重复库加载命令的问题
国际化支持
LiveContainer 3.5.0新增了多种语言支持:
- 繁体中文
- 意大利语
- 土耳其语
- 越南语
- 葡萄牙语
并对现有语言包进行了更新维护,包括阿拉伯语、法语、德语、日语和瑞典语等。
技术前瞻与弃用说明
随着SideStore和AltStore新版本支持证书导出功能,LiveContainer中的相关补丁功能已被标记为弃用,并将在下一主要版本中移除。开发者应迁移到新的证书管理方式。
LiveContainer 3.5.0通过多任务处理和ADP证书支持等创新功能,大幅提升了非越狱iOS设备上运行第三方应用的体验,同时保持了高度的安全性和稳定性,为开发者社区提供了更强大的工具集。
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
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
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