对于那些钟爱猩红色头饰的人来说,好消息来了 —— Fedora 42 现已正式作为 Windows Subsystem for Linux 2 ( WSL2 ) 上的官方发行版发布。
一周前,当我们撰写有关 Arch Linux 在 WSL2 上新增支持的文章时,我们在截图中展示了 Fedora,但如今它已经公开并获得批准,与 AlmaLinux 的两个版本以及 Oracle Linux 同台亮相。
Fedora 42 已可在 WSL2 上运行,不过你会发现捆绑使用的仍是 WSL2 内置的旧版内核 —— 点击放大查看。
微软的这一公告来自前 Red Hatter 的 Jeremy Cline,他已负责该项目有一段时间。他也是今年一月获批的 Fedora 变更的负责人。
对于习惯使用 Fedora 命令及其操作方式的用户来说,这无疑是一项受欢迎的补充。我们发现网络上反响积极 —— 例如,Brian Fagioli 曾将该消息提交至 Slashdot,他还撰写了 BetaNews 的相关报道。
多年来,已有非官方的 Fedora 变体问世。The Register 在 2019 年曾报道过一款商业重制版,而次年 Fedora Magazine 还提供了安装 Fedora 33 的指导。不过,如果你此前希望走官方路线,直到最近 Oracle Linux 一直是唯一的免费选择,它在 2022 年通过 Microsoft Store 推出。
不过,你并不能获得 Fedora 全新前沿特性的全部体验。正如 The Reg 在 WSL2 问世时所描述的,WSL2 使用的是一款定制的 Linux 内核,该内核可以在 GitHub 上找到。目前,Releases 中最新的版本是内核 6.6,这是在当前 6.12 LTS 发布前的长期支持内核版本。
我们在一份完全更新的 Windows 11 副本上安装了 Fedora 42 —— 至少是在微软允许的更新范围内。显然,24H2 版本尚未适配我们的硬件。我们发现,该系统运行的内核与我们 Arch 实例上的相同,均为内核 5.15.167-4-microsoft-standard-WSL2。内核 5.15 早在 2021 年发布,作为 LTS 内核,它仍在获得支持和更新。
这正是 WSL2 客户机与宿主操作系统之间深度整合所付出的代价。本质上,你那崭新的 Fedora 42 实例只是一个容器,搭载最新的 Fedora 用户空间,并运行在共享的定制 WSL2 内核之上 —— 正如 Fedora wiki 所解释的那样。我们尝试使用 wsl --update 命令以查验是否能获取新版内核,但系统反馈已是最新发布版本。
如果你希望直接运行最新内核及其他前沿特性,也可以将最新版 Fedora 部署在 Hyper-V 虚拟机中 —— 点击放大查看。
但如果你追求最新内核等更新内容,WSL2 并非最佳选择。由于 WSL2 基于 Hyper-V 虚拟机管理程序,我们尝试在其上启动 Fedora 42 虚拟机。Hyper-V 提供了两代不同的 VM,我们发现 Generation 2 虚拟机无法启动 —— 可能是我们操作中的某个环节出错了。
The Reg FOSS 编辑部平时不常使用 Windows,当我们确实需要运行虚拟机时,通常选择更为熟悉的 Oracle VirtualBox。我们再次尝试使用 Hyper-V 的 Generation 1 虚拟机,这次成功启动,并运行了内核 6.14 —— 尽管启动速度非常缓慢。
好文章,需要你的鼓励
当前软件工程团队正在试验基于AI代理的编码工具和大语言模型,以提高开发速度和质量。然而,AI编码工具的效果很大程度上取决于使用方式。开发者需要提供结构化的问题描述、明确的执行要求和相关上下文,同时建立适当的防护机制。AI不仅能处理重复性任务,还能识别和评估替代方案,从被动助手演进为工作流程推进器。成功的关键在于将AI视为合作伙伴而非快捷工具,并将其整合到软件交付的全生命周期中。
NVIDIA研究团队开发出名为Lyra的AI系统,能够仅凭单张照片生成完整3D场景,用户可自由切换观察角度。该技术采用创新的"自蒸馏"学习方法,让视频生成模型指导3D重建模块工作。系统还支持动态4D场景生成,在多项测试中表现优异。这项技术将大大降低3D内容创作门槛,为游戏开发、电影制作、VR/AR应用等领域带来重大突破。
Salesforce发布企业级AI智能体平台Agentforce 360,将AI智能体融入几乎所有应用中。该平台采用混合推理引擎Atlas,结合大语言模型的概率思维和业务规则的精确性,支持语音交互和深度集成。以Slack为主要界面,提供Agentforce Builder开发环境,能将非结构化文档转换为可查询记录。Salesforce内部已部署该系统,每周处理180万次对话,主动服务活动增长40%。
谷歌DeepMind团队创新性地让Gemini 2.5模型在无需训练的情况下学会理解卫星多光谱图像。他们将复杂的12波段卫星数据转换为6张可理解的伪彩色图像,配以详细文字说明,使通用AI模型能够准确分析遥感数据。在多个基准测试中超越现有模型,为遥感领域AI应用开辟了全新道路。