deb-get 0.4.5版本发布:增强第三方软件包管理能力
deb-get是一个专为Debian/Ubuntu系统设计的命令行工具,它能够帮助用户轻松安装和维护那些未包含在官方仓库中的第三方.deb软件包。作为apt的补充工具,deb-get通过社区维护的软件包清单,为用户提供了更广泛的软件选择。
核心功能改进
本次0.4.5版本带来了多项重要改进,特别是在软件包管理和系统兼容性方面:
-
版本检测机制优化:改进了对Debian Sid和elementaryOS系统的识别能力,确保在这些发行版上能够正确运行。
-
GitLab支持增强:显著提升了从GitLab平台获取软件包的能力,扩展了可用软件来源。
-
发行版支持更新:新增对Ubuntu 25.04(Plucky)和25.10(Questing)的预支持,同时移除了对已结束支持周期的Ubuntu版本的支持。
新增软件包支持
0.4.5版本新增了对多个实用软件的支持,包括但不限于:
- 开发工具:ganttproject项目管理工具、cw-tail日志查看器、bruno API测试工具等
- 多媒体应用:museeks音乐播放器、gifski GIF制作工具、spotube音乐客户端
- 生产力工具:deskflow工作区管理、hydralauncher快速启动器、marktext Markdown编辑器
- 系统工具:linux-assistant系统助手、input-leap键鼠共享工具、winegui Wine图形界面
现有软件包修复与优化
开发团队对多个现有软件包的安装脚本进行了修复和优化:
-
版本对齐问题:修正了goreleaser-pro、mullvad等网络工具中发布版本与包内版本不一致的问题。
-
安装方法改进:更新了qownnotes等软件的安装方式,确保更稳定可靠。
-
软件源迁移:如librewolf已切换至新的软件仓库,保证用户能够获取最新版本。
-
命名规范化:统一了neohtop等软件包的命名规则,避免因特殊字符导致的问题。
架构与兼容性调整
-
多架构支持:移除了jellyfin-media-player等软件包的架构限制,提升兼容性。
-
依赖管理:peazip等软件已迁移至Qt6环境,保持与现代系统的兼容性。
-
废弃处理:正式废弃了不再维护的某些网络工具等软件包支持。
开发者工具与文档完善
-
CI测试增强:新增版本测试流程,提高发布质量。
-
文档更新:完善了README和相关文档,新增对多个实用工具的介绍。
-
发布流程优化:通过自动化脚本确保版本号的准确性和一致性。
deb-get 0.4.5版本的发布,进一步巩固了其作为Debian/Ubuntu系统第三方软件管理解决方案的地位。通过持续的社区贡献,该项目正在不断扩大其软件生态,同时保持高度的稳定性和兼容性。对于希望在Linux系统上便捷获取更多软件的用户来说,deb-get无疑是一个值得关注和使用的工具。
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