Heroic游戏启动器与Proton 10兼容性问题分析
问题现象
近期在使用Heroic游戏启动器时,用户发现当搭配Proton 10或Proton Experimental版本运行时,游戏启动会出现"Assertion failed in steam.exe"的错误提示。有趣的是,当Steam客户端在后台运行时,游戏却能正常启动。这一问题在Proton 9及更早版本中并不存在。
技术背景
Proton是Valve开发的基于Wine的兼容层工具,用于在Linux系统上运行Windows游戏。Proton 10是其较新的版本,引入了一些底层架构的变更。Heroic游戏启动器是一个开源的游戏平台,支持管理多个游戏商店的内容。
问题根源
经过分析,这一问题源于Proton 10内部的一个验证机制变更。新版本中增加了一个对Steam运行状态的检查断言(assertion),当检测到Steam未运行时便会触发错误。这原本是Proton设计上的一个限制,因为Proton最初是为Steam平台设计的。
解决方案
目前有两种可行的解决方案:
-
临时解决方案:保持Steam客户端在后台运行。虽然这能解决问题,但会增加系统资源占用。
-
长期解决方案:等待Valve发布修复版本。根据开发者的反馈,Valve已经在bleeding edge分支中修复了这个问题,未来的Proton 10和Experimental版本将会恢复正常功能。
深入技术分析
值得注意的是,有用户报告称这个问题可能与Heroic的UMU(Universal Management Utility)功能有关。当禁用UMU时会出现错误,而重新启用后游戏又能正常运行。这表明Heroic的某些功能可能与Proton 10的新验证机制存在交互问题。
相比之下,使用Lutris启动器配合相同版本的Proton 10则没有这个问题,这说明问题可能与Heroic特定的实现方式有关。这提示我们不同前端工具对Proton的调用方式可能存在差异。
用户建议
对于遇到此问题的用户,建议:
- 如果急需玩游戏,可以先采用临时方案,保持Steam运行
- 关注Proton的更新日志,等待包含修复的正式版本发布
- 考虑暂时回退到Proton 9版本
- 检查Heroic中的UMU设置,尝试切换状态看是否能解决问题
总结
这个案例展示了开源游戏生态系统中组件间依赖关系的复杂性。随着Proton的持续演进,前端工具需要相应调整以适应其变化。对于普通用户而言,理解这些底层机制有助于更好地解决问题,同时也体现了开源社区快速响应和修复问题的优势。
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