NonSteamLaunchers-On-Steam-Deck项目v4.0.4版本发布:增强游戏兼容性与云游戏支持
NonSteamLaunchers-On-Steam-Deck是一个旨在扩展Steam Deck游戏兼容性的开源项目,它通过集成多个非Steam游戏平台启动器,让玩家能够在Steam Deck上畅玩更多游戏。该项目特别针对Steam Deck的硬件特性进行了优化,同时提供了桌面版和Decky插件版两种使用方式,满足不同用户的使用习惯。
核心功能改进
最新发布的v4.0.4版本在多个方面进行了重要改进:
-
Battle.net扫描器修复:解决了之前版本中Battle.net游戏扫描器的一些错误问题,提高了游戏识别的准确性和稳定性。这意味着玩家现在可以更可靠地在Steam Deck上管理和启动Battle.net平台的游戏。
-
Antstream Arcade原生支持:新增了对Antstream Arcade平台的原生Windows版本支持。Antstream Arcade是一个专注于复古游戏的流媒体平台,此次集成让怀旧游戏爱好者能够在Steam Deck上获得更好的体验。
云游戏服务扩展
v4.0.4版本显著增强了云游戏服务的支持,新增了多个流行的云游戏平台:
- Afterplay.io:一个专注于复古游戏的云游戏平台
- Oneplay:提供高性能云游戏体验的服务
- AirGPU:基于GPU云服务的游戏流媒体平台
- CloudDeck:专为移动设备优化的云游戏解决方案
- JioGamesCloud:印度主要的云游戏服务平台之一
这些新增的云游戏服务大大扩展了Steam Deck用户可玩的游戏库,特别是对于那些硬件要求较高的现代游戏,通过云游戏方式可以在Steam Deck上流畅运行。
版本选择与安装优化
项目现在提供了两个不同的.desktop文件,满足不同用户的需求:
- 桌面版本:包含完整的非Steam启动器功能,同时提供Decky Loader插件的最新版本安装选项。
- 插件版本:专为已安装Decky Loader的用户设计,提供更轻量级的安装和更新方式。
对于Windows用户,安装流程也进行了优化:
- 首先运行NSLPluginWindows.exe,它会自动创建必要的cef调试文件
- 然后根据需要选择运行No_console.exe或Plugin Loader.exe
- 最后进入游戏模式或大屏幕模式即可使用
这种分阶段的安装方式确保了系统兼容性和稳定性,同时简化了用户的操作步骤。
技术实现特点
从技术角度看,这个版本体现了几个值得注意的实现特点:
-
跨平台兼容性:同时支持Linux和Windows环境,特别是针对Steam Deck的Arch Linux系统进行了专门优化。
-
自动化游戏管理:通过扫描功能自动识别和添加游戏,并自动获取正确的游戏封面艺术资源,大大简化了用户的配置工作。
-
模块化设计:将核心功能与插件功能分离,用户可以根据自己的需求选择安装方式,既保证了功能的完整性,又提供了灵活性。
-
云游戏集成:通过标准化的接口整合多个云游戏平台,为用户提供统一的访问入口,而不需要为每个平台单独配置。
使用建议
对于Steam Deck用户,建议根据使用场景选择合适的版本:
- 主要使用桌面模式的用户可以选择完整的桌面版本
- 偏好游戏模式操作的用户更适合插件版本
- Windows用户应特别注意按照推荐的安装顺序操作
对于云游戏爱好者,新版本提供了更多选择,可以根据网络条件和游戏偏好选择最适合的服务。Antstream Arcade的原生支持特别适合喜欢复古游戏的玩家。
这个版本的发布进一步巩固了NonSteamLaunchers-On-Steam-Deck作为Steam Deck多功能游戏平台解决方案的地位,通过不断扩展兼容性和优化用户体验,让Steam Deck真正成为"全能"的游戏设备。
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