BunsenLabs Linux是一个基于Debian的轻量级发行版,从CrunchBang分支而来。在Debian 13"Trixie"发布七个月后,该项目发布了最新版本,代号为Carbon。
这个版本用能够在X11和基于Wayland的labwc合成器上运行的替代方案,替换了BunsenLabs特色且略显独特设置的多个核心组件。目前,此版本仍默认在X.org上使用Openbox,但维护者们正在为过渡到Wayland做准备。
BunsenLabs Linux是轻量级CrunchBang Linux发行版的原始"社区延续"项目。BunsenLabs在2015年2月宣布成立,就在CrunchBang宣布停止开发的几天后。
新的基于Debian 13的BunsenLabs Carbon进一步偏离了其CrunchBang根源,但这都是好的变化
CrunchBang的另一个延续项目是主要由Ben "Computermouth" Young一人维护的CrunchBang++。我们在2024年两者都发布基于Debian 12的版本时对它们进行了比较。当时我们评论说CB++在技术上更保守。它非常接近原始CrunchBang设定的模式。CB++往往发布更早,正如我们在2025年10月提到的,CB++的Debian 13版本在8月发布,就在Debian 13本身发布后不久。我们试用了CB++ 13,它坚持其久经考验的设计。它仍然使用基于X11的Openbox窗口管理器和tint2面板。
正如我们几年前所写的,BunsenLabs是两个姊妹分支中更具实验性和创新性的一个。这在Debian 13版本中比以往更加明显。例如,tint2面板已被移除,取而代之的是来自Xfce桌面的xfce4-panel,同样,LXDE的lxterminal也被其Xfce等价物xfce4-terminal取代。
不过窗口管理器仍然是Openbox,桌面看起来与之前非常相似。左侧有一个垂直浮动面板,没有桌面图标,还有一个Conky系统监视器,显示使用Super(Windows)键快速启动应用程序的热键列表。主要区别在于,虽然旧的tint2面板在两个部分中同时显示两个虚拟桌面的图标,但现在有一个带有两个数字的虚拟桌面指示器,你必须在两者之间切换才能看到上面运行的内容。
这并不是根本性的不同,但确实失去了一些独特外观。Xfce面板使调整设置变得更容易——它有一个内置的图形界面,而不是菜单提供一个在默认编辑器中打开相关配置文件的条目,这是传统的CrunchBang方式。面板使用标准Xfce窗口按钮组件显示应用程序图标,设置为隐藏标签。
它不如DockbarX插件(如Asmi中所见)或Docklike任务栏(如MX Linux中所见)等附加组件功能丰富,但它更简单且能胜任工作。顶部有一个菜单按钮,但它启动的不是Xfce的任何一个开始菜单类似物,而是经典CrunchBang风格应用菜单的版本,现在称为bl-menu。
BunsenLabs使用比CB++严肃单色更多的阴影和渐变,但仍然相当简洁。尽管底层是Debian和systemd,但它仍然相当轻量:Conky报告使用约550MB内存,占用约4.4GB磁盘空间,对于2026年来说相当不错。我们在老旧的ThinkPad W500上有CB++ 13的副本——虽然它安装了一些额外的应用——BunsenLabs Carbon版本使用更少的内存和磁盘空间。
CB++的维护者告诉我们,他正在研究基于Alpine Linux而不是Debian制作发行版变体的可能性,我们非常希望看到这一点。与此同时,它们都是可靠的选择——必须承认Bunsen更漂亮,也稍微更轻量。
Q&A
Q1:BunsenLabs Carbon相比之前版本有哪些主要变化?
A:BunsenLabs Carbon用能够在X11和Wayland上运行的替代组件替换了多个核心组件。主要变化包括用xfce4-panel替代tint2面板,用xfce4-terminal替代lxterminal,为过渡到Wayland做准备。
Q2:BunsenLabs和CrunchBang++有什么区别?
A:BunsenLabs更具实验性和创新性,会采用新技术和界面改进。CrunchBang++更保守,坚持接近原始CrunchBang的设计模式,发布周期也更快。
Q3:BunsenLabs Carbon的系统资源占用如何?
A:BunsenLabs Carbon相当轻量,Conky报告使用约550MB内存,占用约4.4GB磁盘空间,比CrunchBang++使用更少的内存和磁盘空间。
好文章,需要你的鼓励
研究人员意外发现,标准MOSFET晶体管可同时模拟神经元和突触行为,形成"神经突触随机存取存储器"(NSRAM)。该技术仅需一至两个晶体管即可实现传统需数十乃至数百个元件才能完成的神经信号处理,且与现有硅基制造工艺完全兼容,良率达100%。未来有望应用于边缘AI及高能效神经形态芯片,长远或可挑战GPU地位。
牛津大学提出PHYSIFORMER,一种扩散变换器模型,通过三维网格顶点轨迹直接在世界坐标空间预测刚性与弹性物体的物理运动,一次性生成全序列轨迹,超越自回归基线。
本文提出一种评估人工智能风险的新方法,借鉴生态学与演化论视角,从理论生态模型中推导出三项风险指标,涵盖种群模型与生态系统模型。研究旨在为AI治理策略提供量化工具,并对分析局限性及政策改进方向进行了深入探讨,为构建更科学的AI风险评估体系提供参考框架。
研究发现主流奖励模型对同等质量答案给出差异悬殊的分数,并提出"奖励聚类"算法通过蒙特卡洛随机失活将连续分数离散化,在不重训模型的前提下有效减少AI训练中的奖励作弊现象。