CompactGUI v3.8.0版本发布:优化文件压缩体验
项目简介
CompactGUI是一款基于Windows Compact功能开发的图形界面工具,它能够帮助用户更高效地压缩文件和文件夹,特别适合需要节省存储空间的场景。该工具通过友好的用户界面封装了Windows系统的底层压缩功能,使得普通用户也能轻松使用高级压缩技术。
主要更新内容
界面优化
新版本对用户界面进行了多项改进,提升了整体使用体验:
-
导航栏常显设计:现在导航栏会始终保持可见状态,用户可以随时在"压缩器"和"文件夹监视器"视图之间切换,不再需要寻找隐藏的菜单选项。
-
操作提示增强:在文件夹监视器视图中,所有按钮都新增了工具提示功能。当用户将鼠标悬停在按钮上时,会显示简明的功能说明,降低了新用户的学习成本。
-
快捷操作改进:现在按住Shift键同时点击退出按钮,可以直接关闭程序而不会最小化到系统托盘,为需要完全退出的用户提供了便利。
性能修复
本次更新重点解决了以下技术问题:
-
存储设备兼容性修复:修复了在RAMDisk或SSHD(混合硬盘)上压缩文件夹时可能导致程序挂起的问题。这个修复显著提升了工具在各种存储介质上的稳定性。
-
底层优化:对压缩引擎进行了内部调整,提高了处理特殊存储设备时的健壮性。
技术实现特点
CompactGUI v3.8.0版本提供了两种可执行文件格式,满足不同用户需求:
-
依赖.NET运行时版本:CompactGUI.exe文件体积小巧(仅2.8MB),但需要系统已安装.NET 9运行时环境。
-
独立打包版本:CompactGUI.mono.exe文件(72MB)包含了所有必要的.NET 9库文件,无需额外安装运行时即可运行,适合环境受限的用户。
使用建议
对于普通用户,如果系统已经安装了.NET 9运行时,推荐使用小巧的CompactGUI.exe版本。对于企业环境或需要分发给多台计算机的情况,独立打包版本更为合适,可以避免运行时依赖问题。
开发团队建议用户通过winget包管理器进行安装,这种方式可以自动处理.NET运行时的依赖问题,简化安装流程。不过需要注意的是,新版本发布后可能需要等待几天才能在winget仓库中可用。
安全验证
为确保下载文件的完整性,用户可以使用以下校验值进行验证:
- MD5校验值:84D9C95B1FFE79D0BB90B34EFB86CE45
- SHA-256校验值:F21963A68C25B72D59A8431AF2E0E98B4A701E87C4F4A47EC4363238D7D384D2
项目支持
CompactGUI作为开源项目,持续优化和改进离不开社区的支持。开发团队在更新说明中表达了对用户支持的感谢,并提供了捐赠渠道,鼓励认可该工具价值的用户通过适当方式支持项目发展。
这个版本在用户体验和稳定性方面都有显著提升,特别是解决了特殊存储设备上的兼容性问题,使得CompactGUI在各种使用场景下都更加可靠。界面优化也让工具对新手更加友好,降低了使用门槛。
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