NonSteamLaunchers项目v4.1.5版本发布:桌面与插件双版本优化
NonSteamLaunchers是一个旨在让Steam Deck用户能够方便地安装和管理非Steam游戏平台的工具项目。该项目提供了两种使用方式:桌面版本和Decky插件版本,让用户可以根据自己的使用习惯选择最适合的方案。
桌面版本的核心改进
本次v4.1.5版本对桌面版本进行了多项质量改进和功能增强:
-
通知系统优化:改进了桌面版本的通知机制,现在用户可以更清晰地了解脚本的运行状态和进度。
-
IndieGala游戏扫描支持:新增了对IndieGala客户端的游戏扫描功能,虽然开发者表示这个功能目前还比较基础,但已经能够正常工作。
-
游戏存档备份增强:现在桌面版本会在每次启动时自动使用ludusavi工具备份游戏存档,备份路径为
/home/deck/NSLGameSaves。相比之前只在下载启动器时才进行备份的机制,这大大提高了存档安全性。 -
多发行版兼容性:针对其他Linux发行版做了更多适配工作,提高了跨发行版的兼容性。
-
权限简化:移除了插件安装时的sudo密码要求,简化了安装流程。
Decky插件版本的新特性
插件版本同样获得了多项更新:
-
启动视频功能:现在插件能够自动获取并匹配游戏的启动视频。用户可以通过"随机播放"功能来查看是否有可用的启动视频。需要注意的是,并非所有游戏都有对应的启动视频资源。
-
性能优化:对插件进行了性能调优,提升了运行效率。
-
流媒体站点改进:简化了流媒体站点的使用流程,现在不再需要开启"自动扫描"功能。
双版本使用指南
项目现在提供了两个不同的.desktop文件:
- NonSteamLaunchers.desktop:完整的桌面版本,包含安装最新NSL Decky Loader插件的选项。
- NSLPlugin.desktop:专为已安装Decky Loader的用户设计,可以直接安装/更新插件而无需进入桌面模式。
对于Windows用户,安装流程略有不同:
- 首先运行NSLPluginWindows.exe,这会创建必要的cef调试文件。
- 然后根据需要运行No_console.exe或Plugin Loader.exe。
- 进入游戏模式或大屏幕模式即可使用Decky Loader插件。
技术实现亮点
从技术角度来看,这个版本有几个值得注意的实现:
-
存档备份机制:采用ludusavi作为底层工具,实现了自动化的游戏存档备份,这对游戏进度的保护非常重要。
-
跨平台支持:通过不同的安装包和.desktop文件,实现了对Linux桌面环境和Windows环境的统一支持。
-
权限管理优化:移除sudo依赖不仅提高了易用性,也增强了安全性,避免了不必要的权限提升。
-
启动视频匹配:自动获取游戏启动视频的功能展示了项目对Steam Deck特性的深度集成。
这个版本体现了NonSteamLaunchers项目持续改进的理念,既增强了核心功能,又优化了用户体验,特别是对多平台和多发行版的支持,使得更多用户能够受益于这个工具。
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