前"香蕉项目"现在有了一个更正式的名称,虽然搜索起来可能稍微困难一些。
KDE Linux是一个全新的桌面Linux发行版,正在开发中,旨在作为KDE桌面项目的展示平台。该项目目前仍处于预览阶段,但最近已在KDE官网公开发布,用户可以下载试用。
KDE Linux是一个全新的实验性操作系统。这里容易产生混淆,因为KDE已经有一个演示发行版KDE Neon。KDE Linux是一个完全独立且更具雄心的项目。从底层设计来看,它旨在成为一个超稳定的终端用户发行版。这与Neon形成对比,后者是展示最新代码的实验性平台,并非为日常使用而设计。简单来说,Neon可以概括为"在Ubuntu LTS基础上预装最新KDE Plasma"。
KDE Linux则是完全不同的产品。虽然不直接基于SteamOS 3,但其设计的多个方面明显受到Valve SteamOS 3的影响。与SteamOS 3类似,KDE Linux是一个不可变发行版,具有双只读Btrfs格式根分区,可交替更新。
KDE Linux不基于Ubuntu或Debian,而是使用Arch Linux构建,但差异很大,不能算作Arch变体。作为不可变发行版,它没有包管理器,用户无法安装Arch软件包。这也适用于其他原生OS软件包,包括Nvidia专有驱动程序。这意味着KDE Linux仅支持Nvidia提供开源驱动程序的新GPU,即"Grace Hopper或Blackwell"以及"Turing、Ampere、Ada Lovelace或Hopper架构的新GPU"。
作为不可变发行版,它与其他具有只读根文件系统的操作系统有相似特性。用户只能安装放置在OS独立区域的沙盒应用程序,计划通过KDE Discover应用商店安装Flatpak软件包(可能还包括Snap,"如果不太困难且用户体验良好")。除此之外,无法更新单个软件包。OS更新以全新系统镜像形式提供,所有组件同时更新,类似智能手机OS更新方式。
目前存在各种严重限制,尚未准备好投入生产使用。除了Nvidia驱动程序问题外,它还不支持安全启动,更新文件很大,因为更新由systemd直接管理,尚无法处理增量升级——每次都需要完整的新OS镜像。由于当前下载文件超过5GB,这是一个不小的负担。此外,它仅支持Wayland。
然而,从整体规划来看,这个方案似乎合理且经过深思熟虑。使用Btrfs及其快照功能实现回滚到之前系统状态,比Red Hat的OStree更简单。A/B更新系统配合双冗余根文件系统也消除了其他潜在故障类别。
这个项目旨在成为一个防弹级的日常驱动系统,而非像KDE Neon那样的演示系统。它不适合想要深入定制的用户——普通Arch Linux更适合这类需求。如果想要安装自己的软件包和定制OS,现有工具如基于容器的Distrobox可能会有帮助。
该理念很好:大量依靠现有上游工具,借鉴已在数百万用户手中使用的现有设计。这是一个激进的设计,与大多数现有发行版截然不同。就其稳健性设计和"内部无用户可维修部件"的理念而言,它具备了一些我们上个月提到的开源ChromeOS应该具有的特性。
我们在QEMU中测试了当前的开发版本。需要严格按照KDE社区Wiki中的步骤操作。经过几次尝试,我们成功安装并启动到登录界面,但每次登录后桌面都会立即崩溃。这还不是最终产品,我们认为在几个月后Windows 10支持截止之前也不会准备就绪。但其前景相当可观,可能成为最具革命性的终端用户发行版之一。
Q&A
Q1:KDE Linux和KDE Neon有什么区别?
A:KDE Linux是全新的不可变发行版,旨在成为超稳定的日常使用系统,基于Arch Linux构建。而KDE Neon是实验性展示平台,用于演示最新KDE代码,基于Ubuntu LTS,不适合日常使用。两者是完全不同的独立项目。
Q2:KDE Linux支持哪些显卡驱动?
A:KDE Linux作为不可变发行版无法安装Nvidia专有驱动程序,仅支持Nvidia提供开源驱动程序的新GPU,包括Grace Hopper、Blackwell以及Turing、Ampere、Ada Lovelace或Hopper架构的新显卡。
Q3:KDE Linux如何安装和更新软件?
A:由于是不可变发行版,KDE Linux没有传统包管理器,用户只能通过KDE Discover应用商店安装Flatpak等沙盒应用。系统更新采用全新镜像方式,所有组件同时更新,类似智能手机系统更新模式。
好文章,需要你的鼓励
Liquid AI发布了新一代视觉语言基础模型LFM2-VL,专为智能手机、笔记本电脑和嵌入式系统等设备高效部署而设计。该模型基于独特的LIV系统架构,GPU推理速度比同类模型快2倍,同时保持竞争性能。提供450M和1.6B两个版本,支持512×512原生分辨率图像处理,采用模块化架构结合语言模型和视觉编码器。模型已在Hugging Face平台开源发布。
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
阿里团队推出首个AI物理推理综合测试平台DeepPHY,通过六个物理环境全面评估视觉语言模型的物理推理能力。研究发现即使最先进的AI模型在物理预测和控制方面仍远落后于人类,揭示了描述性知识与程序性控制间的根本脱节,为AI技术发展指明了重要方向。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。