GetStoreApp 6.1.616.0版本发布:增强应用管理与跨平台支持
GetStoreApp是一款专注于Windows应用管理的实用工具,它为用户提供了便捷的应用获取、安装和管理功能。最新发布的6.1.616.0版本带来了多项重要更新,特别是在应用包存储管理和跨平台支持方面有了显著提升。
核心功能更新
应用包存储卷自定义操作
新版本引入了对PackageVolume的自定义操作支持。PackageVolume是Windows管理部署命名空间中的重要概念,它代表了应用包的存储卷。通过这一更新,GetStoreApp现在能够更灵活地管理分布在多个存储卷上的应用包,为用户提供了更精细的存储空间控制能力。
这项功能特别适合那些需要在不同存储设备上部署应用的高级用户,或者需要管理大量应用的企业环境。用户现在可以直接通过GetStoreApp界面执行针对特定存储卷的操作,而无需借助复杂的PowerShell命令。
ARM64平台全面支持
6.1.616.0版本实现了对ARM64架构的完整支持,这标志着GetStoreApp正式成为跨平台应用管理工具。随着越来越多的Windows设备采用ARM架构处理器,这一更新确保了GetStoreApp能够在各种硬件平台上提供一致的用户体验。
特别值得一提的是,本次更新不仅包含了应用本身的ARM64支持,还解决了WinGet依赖库在ARM64平台上的兼容性问题。这使得WinGet应用管理功能现在可以在所有支持的架构上无缝运行。
技术架构升级
本次发布将Windows App SDK更新至1.7.250606001(1.7.3)版本。这一基础框架的升级带来了性能优化和稳定性提升,同时也为未来功能的扩展奠定了基础。
Windows App SDK 1.7.3版本包含多项底层改进,特别是在资源管理和UI渲染方面。这些改进使得GetStoreApp能够更高效地运行,同时减少系统资源占用。
问题修复与稳定性提升
开发团队针对用户反馈的几个关键问题进行了修复:
-
解决了当未配置WinGet数据源时,检查更新操作可能导致应用异常退出的问题。现在,应用会优雅地处理这种情况,并提供明确的错误提示。
-
修复了多个影响用户体验的界面问题,包括布局错位和响应迟缓等情况。
-
优化了后台任务的执行逻辑,减少了不必要的资源消耗。
安装与部署指南
GetStoreApp 6.1.616.0提供了两种安装方式:MSIXBundle安装包和压缩包。对于大多数用户,推荐使用MSIXBundle安装包,它能提供更简单的安装体验和自动更新功能。
安装过程中需要注意以下几点:
-
虽然开发者模式可以简化侧载安装过程,但对于普通用户并非必需。系统会提供足够的安全提示来指导安装过程。
-
证书安装是确保应用可信运行的关键步骤,需要将提供的证书安装到本地计算机的受信任根证书颁发机构存储中。
-
对于使用PowerShell脚本安装的用户,如果遇到执行策略限制,可以通过调整执行策略或使用特定命令来绕过限制。
未来发展方向
根据用户反馈和市场需求,GetStoreApp的开发团队已经规划了未来的更新路线:
-
将重新引入对Windows 10 19041版本的支持,确保更多用户能够使用这款工具。
-
计划集成在线翻译功能,这将极大提升非英语用户的使用体验,特别是在处理应用描述和用户评论时。
-
进一步优化WinGet集成,提供更强大的应用管理能力。
GetStoreApp 6.1.616.0版本的发布,标志着这款工具在功能完整性和跨平台支持方面又迈出了重要一步。无论是普通用户还是IT专业人员,都能从这个版本中获得更流畅、更强大的应用管理体验。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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