NonSteamLaunchers项目v4.1.1版本更新解析
项目简介
NonSteamLaunchers是一款旨在帮助Steam Deck用户在SteamOS上运行非Steam游戏平台的工具。它通过简化安装和配置过程,让用户能够轻松地在Steam Deck上使用Epic Games、GOG、Origin等游戏平台。最新发布的v4.1.1版本带来了一些重要改进和功能增强。
核心更新内容
社区笔记系统路径修复
v4.1.1版本重点修复了NSL社区笔记系统的路径问题。这个实验性功能允许用户为游戏添加自定义笔记,并通过点击红色心形按钮分享给社区。修复后,笔记功能将更加稳定可靠。
Epic Games Launcher问题解决
开发团队解决了Epic Games Launcher的更新循环问题。虽然用户仍需手动安装Epic Online Services(EOS),但主要的启动器问题已经得到修复,使用体验显著提升。
游戏描述功能增强
新版本扩展了笔记系统的功能,现在用户创建笔记时,系统会自动提供游戏描述信息。这一改进使得游戏库管理更加直观和便捷。
桌面版与插件版差异
项目现在提供两个不同的.desktop文件,满足不同用户需求:
-
桌面版本:包含完整的NonSteamLaunchers功能,并新增了直接安装最新NSL Decky Loader插件的选项。
-
插件版本:专为已安装Decky Loader的用户设计,提供轻量级的安装/更新方式,无需进入桌面模式。
Windows平台支持
对于Windows用户,v4.1.1版本提供了专门的安装流程:
-
首先运行NSLPluginWindows.exe,该程序会创建必要的cef调试文件。
-
然后可选择运行No_console.exe或Plugin Loader.exe。
-
进入游戏模式或大屏幕模式后,即可看到Decky Loader插件和NonSteamLaunchers功能。
需要注意的是,Windows版本目前仅支持游戏扫描功能,其他高级功能暂不可用。
技术实现亮点
-
跨平台兼容性:项目同时支持Linux和Windows系统,通过不同的可执行文件实现功能适配。
-
社区驱动开发:笔记系统的改进体现了项目对社区反馈的重视,增强了用户互动体验。
-
模块化设计:分离桌面版和插件版的安装文件,让用户可以根据实际需求选择最适合的版本。
使用建议
对于Steam Deck用户,推荐根据使用场景选择合适的版本:
-
需要完整功能且不介意使用桌面模式的用户,可选择桌面版本。
-
已安装Decky Loader且希望保持游戏模式完整性的用户,插件版本是更好的选择。
对于Windows用户,虽然功能有限,但自动添加游戏并生成正确格式的封面艺术这一特性,仍然大大简化了非Steam游戏的管理流程。
总结
NonSteamLaunchers v4.1.1版本通过修复关键问题、增强现有功能,进一步提升了在Steam Deck和Windows平台上管理非Steam游戏的体验。特别是社区笔记系统的改进和Epic Games Launcher问题的解决,显示了开发团队对用户体验的持续关注。随着项目的不断发展,它正成为跨平台游戏管理的重要工具之一。
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
Spark-Prover-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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-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