Enso 2025.1.1-rc4 版本发布:数据科学工具链的重大更新
Enso 是一个创新的数据科学和可视化编程工具,它将函数式编程语言与可视化工作流相结合,为数据科学家和分析师提供了一个直观且强大的开发环境。通过将代码逻辑以图形化节点的方式呈现,Enso 降低了编程门槛,同时保持了专业级的数据处理能力。
核心功能更新
可视化编程环境增强
最新版本对可视化编程环境进行了多项改进:
-
组件浏览器重构:新版组件浏览器采用分组列表展示方式,并增加了组件文档摘要显示,帮助开发者快速理解每个组件的功能。
-
文档编辑功能强化:文档面板新增了富文本编辑能力,支持嵌套列表、粗体/斜体文本格式以及链接插入功能,使项目文档更加专业和易读。
-
表格编辑器优化:改进了表格编辑器的交互体验,Tab键和Enter键现在可以智能跳转到下一个单元格或下一行,显著提升了数据录入效率。
-
错误提示改进:错误消息现在不会遮挡输出端口,在悬停时会变为半透明状态,既保证了信息可见性又不影响操作。
数据连接与处理能力
-
通用JDBC支持:新增了对通用JDBC连接的支持,包括通过外部驱动连接各种数据库的能力,大大扩展了数据源兼容性。
-
Snowflake认证增强:Snowflake连接器现在支持密钥对认证方式,提供了更安全的连接选项。
-
正则表达式支持:在过滤器和表达式语言中增加了正则表达式匹配功能,为文本处理提供了更强大的工具。
-
分页查询优化:为Postgres、SQLite、Snowflake和SQLServer等数据库添加了分页查询支持,提高了大数据集的处理效率。
语言与运行时改进
-
类型系统增强:改进了交叉类型的处理逻辑,确保类型检查更加准确和一致。
-
错误处理优化:现在会正确传播和处理损坏值(broken values),而不是简单地忽略它们,使调试更加直观。
-
语法规范化:修复了单参数构造函数中空格使用的歧义问题,使语言规范更加严格和一致。
-
资源管理强化:将同一个值注册为多个托管资源现在会被明确标记为错误,防止资源管理混乱。
用户体验优化
-
文件浏览器增强:云文件浏览器现在支持共享目录访问、新建文件夹、重命名操作,并在首次打开时自动高亮显示当前设置的文件。
-
可视化表格改进:表格可视化组件现在支持服务器端过滤和排序,大幅提升了大数据集的浏览体验。
-
节点编辑优化:纯数字或文本节点的输入更加智能,自动补全未闭合的文本字面量,减少了输入错误。
-
上下文菜单:在图形编辑器背景上增加了右键上下文菜单,提供了更便捷的操作入口。
性能与稳定性
-
原生镜像模式:现在默认启用原生镜像模式,提高了应用程序的启动速度和运行效率。
-
资源加载优化:改进了本地库的加载机制,项目本地库可以放置在特定目录中被自动识别和使用。
-
撤销/重做栈:修复了与文本字面量交互时重做栈丢失的问题,使编辑操作更加可靠。
这个版本标志着Enso在数据科学工作流、可视化编程体验和语言表达能力方面的重大进步,为专业数据分析师和编程新手都提供了更加强大和易用的工具集。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-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