NonSteamLaunchers项目v4.0.0版本发布:为Steam Deck带来更多游戏平台支持
项目简介
NonSteamLaunchers是一个专为Steam Deck设计的开源工具,它让用户能够在SteamOS上轻松安装和运行各种非Steam游戏平台。这个项目通过创建兼容的Wine前缀和配置,解决了Steam Deck原生不支持其他游戏平台的问题。最新发布的v4.0.0版本带来了多项重要更新,进一步扩展了Steam Deck的游戏兼容性。
主要更新内容
新增游戏平台支持
本次更新最引人注目的是新增了对多个游戏平台和服务的支持:
-
Boosteroid云游戏服务:现在用户可以轻松在Steam Deck上安装和使用这个云游戏平台,无需复杂的配置过程。
-
Stim.io远程游戏服务:这是一个创新的远程游戏解决方案,允许用户通过Steam Deck流式传输PC游戏。
-
Web游戏平台:
- Venge.io:一个基于浏览器的FPS游戏,特点是快速进入游戏,几乎无需等待。
- Rocketcrab.com:一个适合多人聚会的网页版桌游平台,虽然主要为手机设计,但在Steam Deck上表现良好。
- WatchParty.me:一个同步观看视频内容的网页应用,适合与朋友一起观看影片。
特别游戏支持
项目还新增了对《魔兽争霸I/II重制版》的专门支持,这是由社区贡献者cosmo-ray实现的。
Decky插件改进
Decky Loader插件版本现在重新加入了RemotePlayWhatever功能,这是一个让用户能够远程游玩各种游戏的重要工具。虽然在使用时需要一些耐心和技巧,但开发者承诺将提供详细的使用指南。
技术架构调整
v4.0.0版本标志着项目架构的一个重要转变:
-
逐步淘汰单独的APP ID选项:开发者宣布将在未来版本中移除这一功能,因为它已不再必要。这一变化旨在简化插件和桌面版本的使用体验。
-
桌面文件优化:现在提供了两个不同的.desktop文件:
- NonSteamLaunchers.desktop:完整桌面版本,包含安装最新Decky插件选项
- NSLPlugin.desktop:专为已安装Decky Loader的用户设计的简化版本
Windows支持说明
虽然主要面向Steam Deck,但项目也提供了Windows支持方案:
- 需要先运行NSLPluginWindows.exe创建必要的调试文件
- 然后可以选择运行No_console.exe或Plugin Loader.exe
- 在游戏模式或大画面模式下即可使用Decky Loader插件
需要注意的是,Windows版本目前仅支持游戏扫描功能,其他功能暂不可用。
项目展望
开发者透露了将NonSteamLaunchers上架Flathub的计划,这将大大简化普通用户的安装过程。同时,项目已经获得了广泛关注,包括被知名科技媒体Linus Tech Tips报道,并收获了3000个GitHub星标。
技术意义
NonSteamLaunchers v4.0.0的发布展示了开源社区如何通过技术创新扩展游戏硬件的可能性。它不仅解决了Steam Deck的兼容性问题,还通过云游戏和网页游戏支持,进一步拓宽了这台设备的游戏库。项目的架构简化也反映了开发者对用户体验的持续优化思考。
对于Steam Deck用户来说,这个工具极大地丰富了游戏选择,让这台便携设备真正成为"全能"的游戏平台。随着云游戏和远程游戏支持的加入,Steam Deck的游戏潜力得到了进一步释放。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00