TurboVNC 3.2 Beta1发布:远程图形桌面性能与安全新高度
TurboVNC是一个高性能的虚拟网络计算(VNC)实现,它基于TightVNC但进行了大量优化,特别适合在高速网络上传输图形桌面。作为专业级的远程桌面解决方案,TurboVNC在科学计算、工程设计和多媒体应用等场景中表现出色。
核心性能提升
本次3.2 Beta1版本最显著的改进是集成了zlib-ng压缩库。这一优化使得Lossless Tight + Zlib编码方法以及Tight + JPEG编码方法中的非JPEG子矩形编码性能得到显著提升:
- 在现代x86-64 CPU上性能提升约10-15%
- 在现代AArch64 CPU上性能提升约25-30%
对于需要频繁传输大量图形数据的专业用户来说,这意味着更流畅的远程桌面体验和更高的工作效率。
服务器端重大改进
TurboVNC服务器现在支持DRI3 X扩展,配合开源GPU驱动使用时,无需VirtualGL即可实现GPU加速。虽然配合VirtualGL仍能获得最佳性能,但这一改进为用户提供了更多选择。
在构建系统方面,TurboVNC现在完全依赖系统提供的库文件,移除了对旧版本库的静态链接支持。这一变化使得安装包更小,与系统其他组件的兼容性更好。
客户端功能增强
安全连接全面升级
内置SSH客户端基于JSch v0.2.23进行了重构,增加了多项现代加密协议支持:
- 新增Curve25519密钥交换方法
- 支持Diffie-Hellman Group 14-18密钥交换
- 增加Ed25519签名方案支持
- 支持加密后MAC(EtM)算法
- 新增Galois/Counter Mode(GCM)加密方式
- 支持hmac-sha2-512 MAC算法
同时默认禁用了不安全的算法,包括3DES、CBC加密方式、DSS签名方案等,显著提升了连接安全性。
多级SSH隧道支持
新增的Jump参数支持跳板机功能,可以实现多级SSH隧道连接。这一特性特别适合企业环境中需要通过网关访问内部VNC服务器的场景,既保证了安全性又简化了配置流程。
用户体验优化
- 工具栏图标更新为更现代的样式
- 新增支持扩展鼠标按钮功能
- Mac版本全屏模式下可自动隐藏菜单栏和Dock
- 改进的滚动体验,支持边缘滚动(bump scrolling)
兼容性调整
考虑到现代操作系统的发展趋势,3.2版本不再提供32位Windows安装包,因为Windows 10/11已逐步放弃对32位CPU的支持,且OpenJDK 21也移除了32位Windows支持。
配置管理改进
新版对配置系统进行了重构,将高级参数单独列出,使普通用户界面更加简洁。同时统一了环境变量和系统属性的管理方式,使配置更加一致和易于维护。
总结
TurboVNC 3.2 Beta1在性能、安全性和用户体验方面都带来了显著提升。特别是zlib-ng的集成和多级SSH隧道的支持,使其在专业应用场景中更具竞争力。这个版本为需要高性能远程图形访问的用户提供了更安全、更高效的解决方案,值得技术用户关注和测试。
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-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