Box64 v0.3.4版本发布:跨平台x86_64模拟器迎来重大性能与兼容性升级
Box64是一款创新的动态二进制翻译工具,它允许x86_64架构的应用程序在非x86平台上运行,包括ARM64、RISC-V 64和LoongArch 64等架构。最新发布的v0.3.4版本带来了显著的性能提升和兼容性改进,特别是在RISC-V和ARM平台上的表现尤为突出。
核心架构优化
本次更新对RV64后端进行了深度优化,显著提升了执行效率。通过充分利用RVV 1.0和xThreadVector扩展指令集,现在能够更高效地模拟SSE/SSE2+指令集(虽然AVX支持尚未实现)。这种硬件加速的向量运算模拟大幅提升了多媒体应用的运行效率。
ARM64平台同样获得了重要改进,特别是在DRM(数字版权管理)支持方面。现在更多类型的DRM保护内容可以在ARM设备上顺利运行,为游戏和媒体应用打开了更广阔的可能性。
突破性功能:Windows系统调用模拟
v0.3.4版本引入了一项突破性功能——Windows系统调用模拟。这项功能需要配合Proton使用,并且目前要求48位地址空间支持。它为在Linux平台上运行Windows应用程序提供了更底层的支持,是兼容性方面的重要里程碑。
性能优化与调试增强
开发团队引入了多项性能优化措施,包括:
- BOX64_DYNAREC_DIRTY选项:提供了一种更快速(但安全性稍低)的方式来处理自修改代码
- 实验性GDBJIT支持:允许在ARM/RV64/LA64平台上以x86寄存器和指令视角调试程序
- Perf工具集成:提供了x86指令级别的性能分析能力
- CPUID处理重构:新增BOX64_CPUTYPE支持,可以选择模拟Intel或AMD处理器特性
动态二进制翻译改进
所有支持的架构后端(ARM64、RV64、LA64)都获得了大量改进:
- 标志位处理更加精确,更接近真实x86 CPU行为
- 新增对许多罕见指令的支持
- 内存跟踪和文件描述符支持的内存映射得到改进
- 针对REP MOVSB指令的优化实现
- RV64平台利用硬件扩展(如AES)提升加密操作性能
- LA64平台增加了对ABI 1.0的有限支持
Box32兼容性提升
Box64内置的32位兼容层Box32也获得了显著改进:
- 现在可以在ARM64后端上运行Steam客户端(RV64和LA64平台暂不支持)
- 大量pthreads相关问题的修复
- 更多函数和库的包装支持
- 高内存(超过32位)处理机制的改进
开发者工具与诊断增强
新版本在开发者体验方面也有重要提升:
- 跟踪日志系统重构,每条日志都带有可选颜色的BOX32或BOX64前缀
- 协仿真(cosim)系统改进,减少误报
- 运行时消息更加规范化
- 新增自动生成的USAGE.md和box64.pod文档
游戏兼容性优化
通过大量的游戏配置文件(RCFile)更新,许多游戏的运行速度和兼容性都得到了针对性优化。开发团队为多款热门游戏添加了专门的优化配置,包括但不限于《Sekiro》等。
构建与分发改进
CI系统现在不仅生成常规Linux构建,还会创建MiceWine的.rat存档和Winlator的.wcp存档,方便不同平台的用户使用。同时修复了多种构建环境下的问题,提高了跨平台构建的可靠性。
Box64 v0.3.4版本标志着这个项目在性能和兼容性方面又向前迈进了一大步。特别是对RISC-V和LoongArch架构的深度优化,为这些新兴平台运行x86_64应用提供了更强大的支持。Windows系统调用模拟的引入则为Wine/Proton的兼容性打下了更坚实的基础,展现了Box64在跨平台兼容性解决方案中的重要地位。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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