HMCL启动器中1.20.4版本Forge与OptiFine兼容性问题分析
问题背景
在Minecraft 1.20.4版本中,HMCL启动器用户在使用自动安装功能同时下载OptiFine与Forge时遇到了兼容性问题。这一问题源于1.20.4版本Forge架构的重大变更,导致与OptiFine的交互方式发生了变化。
技术原因分析
Forge主类变更
1.20.4版本中,Forge的主类从传统的net.minecraftforge.client.loading.ClientModLoader变更为net.minecraftforge.bootstrap.ForgeBootstrap。这一变更需要启动器更新白名单机制,否则会导致自动安装功能无法在已安装Forge的情况下正确安装OptiFine。
ClasspathLocator行为变更
更关键的问题在于Forge的ClasspathLocator机制发生了重大变化:
- 在1.20.1及之前版本,ClasspathLocator在非开发环境是被禁用的
- 1.20.4版本中,ClasspathLocator在任何环境下都会启用
这一变更导致当OptiFine被放置在模组文件夹时,由于其包含ITransformationService实现,不会被作为普通模组加载。而当OptiFine被放置在classpath中时,虽然会被加载为普通模组,但实际上它内部并没有@Mod标识的类,这造成了加载异常。
解决方案探讨
开发团队讨论了多种解决方案:
-
元数据删除方案:在安装OptiFine前后删除META-INF/mod.toml文件
- 优点:实现简单直接
- 缺点:对于使用OptiFine Jar安装方法的启动器(如PCL)无效
-
Java Agent方案:通过Java Agent强制禁用ClasspathLocator
- 优点:从根本上解决问题
- 缺点:实现复杂,可能有副作用
-
补丁方案:向OptiFine JAR中注入带有@Mod("optifine")标识的类
- 优点:符合Forge的加载机制
- 缺点:需要修改原始文件,可能违反许可协议
经过测试验证,对于HMCL自动安装生成的OptiFine,删除mod.toml文件的方案能够正常工作。但对于使用传统OptiFine安装器(如PCL采用的方式)生成的安装结果,这一方案会导致启动失败。
最佳实践建议
对于HMCL用户,建议:
- 优先使用HMCL的自动安装功能同时安装Forge和OptiFine
- 如需手动安装,确保先安装Forge再安装OptiFine
- 避免在1.20.4版本中手动修改OptiFine的安装文件
对于启动器开发者,应当注意不同安装方式产生的文件结构差异,并针对性地处理兼容性问题。同时需要密切关注Forge后续版本可能带来的架构变更。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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