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。
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
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
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
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