FingerprintPay 6.0.0版本发布:全面优化指纹支付体验
FingerprintPay是一款专注于移动支付场景指纹认证增强的开源项目,通过系统级Hook技术为国内主流支付应用提供更便捷的指纹支付体验。最新发布的6.0.0版本在功能完善和兼容性方面都有显著提升。
核心功能升级
本次更新最值得关注的是新增了通过音量键临时禁用指纹认证的功能。当用户在应用内进行指纹认证时,可以通过按下音量下键快速临时禁用指纹识别,这一设计特别适合需要在特定场景下临时关闭指纹认证的用户。需要注意的是,该功能目前仅支持应用内认证场景。
支付应用适配情况
6.0.0版本对多款主流支付应用进行了针对性适配:
-
QQ支付:完美适配QQ 9.1.55(9218)版本,确保在该版本下的指纹支付功能稳定运行。
-
淘宝支付:新增对淘宝10.47.0(717)版本的支持,用户现在可以在淘宝的支付设置中找到指纹支付配置入口。
-
基础测试验证:开发团队基于云闪付10.1.6、微信8.0.56和支付宝10.7.6.8200等版本进行了全面测试,确保这些主流支付应用的兼容性。
重要版本说明
开发者特别提醒用户注意:当前6.0.0版本暂不支持微信8.0.57及以上版本。对于使用较新微信版本的用户,建议暂时不要升级微信应用或等待后续版本更新。
技术实现特点
作为一款系统级模块,FingerprintPay采用了两种主流框架实现方式:
-
Riru框架版本:适合使用Riru环境的用户,提供针对各支付应用的独立模块和全功能整合包。
-
Zygisk框架版本:为使用Zygisk环境的用户提供优化实现,同样包含分应用模块和全功能包。
两种实现方式都经过精心优化,确保在不同系统环境下都能提供流畅的指纹支付体验。项目完全开源免费的性质也保证了技术的透明性和安全性。
使用建议
对于普通用户,建议根据自己使用的支付应用选择对应的功能模块,而非直接安装全功能包,这样可以减少不必要的系统资源占用。技术爱好者则可以通过分析项目代码深入了解Android系统Hook技术和支付安全机制。
随着移动支付安全要求的不断提高,FingerprintPay项目团队将持续跟进各支付应用的更新,为用户提供既便捷又安全的指纹支付增强方案。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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