HangOver项目10.4版本发布:ARM64平台Windows应用兼容层新进展
HangOver是一个专注于在ARM64架构的Linux系统上运行Windows应用程序的开源兼容层项目。该项目通过整合多种技术方案,为Linux用户提供了在非x86架构上运行Windows程序的可能性。最新发布的10.4版本带来了多项重要更新,进一步提升了兼容性和性能表现。
核心组件更新
本次10.4版本最值得关注的更新是集成了基于Box64 0.3.4版本的box64cpu.dll组件。Box64本身是一个允许在ARM设备上运行x86_64 Linux程序的兼容层,而HangOver项目将其适配整合,增强了在ARM64平台上运行Windows x86应用程序的能力。
同时,新版本还增加了对Box64环境变量的支持。这一改进使得用户能够通过环境变量更精细地控制兼容层的运行行为,为高级用户提供了更多调优选项。
性能优化与兼容性提升
在底层模拟器方面,10.4版本将FEX模拟器更新至2503版本。FEX是一款专注于ARM64平台的高性能x86/x86-64指令集模拟器,这次更新预计会带来指令翻译效率的提升和错误修复。
图形处理方面集成了DXVK 2.6版本,这是一个将Direct3D调用转换为Vulkan API的开源实现。DXVK的更新通常会带来更好的图形兼容性和性能表现,特别是对于依赖Direct3D 9/10/11的Windows游戏和应用程序。
多发行版支持
HangOver 10.4版本提供了针对多个主流Linux发行版的预编译包,包括:
- Debian系列:支持从Debian 11 Bullseye到最新的Debian 13 Trixie
- Ubuntu系列:覆盖了从20.04 Focal到25.04 Plucky的多个LTS和常规版本
这种广泛的发行版支持使得用户可以在不同版本的Linux系统上都能方便地使用HangOver项目。
技术意义与应用前景
HangOver项目的持续发展对于ARM64生态具有重要意义。随着苹果M系列芯片和众多ARM服务器处理器的普及,在ARM平台上运行传统Windows应用的需求日益增长。通过整合Box64、FEX和DXVK等技术,HangOver为这一需求提供了可行的解决方案。
对于开发者而言,新版本的环境变量支持提供了更多调试和优化手段;对于普通用户,性能提升和兼容性改进则意味着更好的使用体验。特别是在游戏和创意软件领域,这类兼容层技术可以大大扩展ARM设备的使用场景。
随着后续版本的不断演进,HangOver有望成为ARM Linux生态中Windows应用兼容的重要支柱之一。
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-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
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