Homebrew PHP 8.4 安装失败的401错误分析与解决方案
在MacOS Sequoia 15.4.1系统上,使用Homebrew安装PHP 8.4时,用户可能会遇到401未授权错误。这个问题主要发生在尝试从容器镜像仓库下载PHP 8.4相关资源时。
错误现象
当执行brew install php@8.4命令时,系统会返回401未授权错误,具体表现为无法从容器镜像仓库下载PHP 8.4的清单文件和二进制大对象。错误信息中明确显示:"The requested URL returned error: 401"和"UNAUTHORIZED: authentication required"。
问题根源
这个问题的根本原因是Homebrew tap仓库的认证信息过期或无效。shivammathur/php这个第三方Homebrew tap仓库需要定期更新其访问令牌和认证信息。当这些信息过期后,用户尝试从容器镜像仓库下载资源时就会遇到401未授权错误。
解决方案
解决这个问题的方法很简单,只需要重新更新tap仓库即可。具体步骤如下:
-
首先使用开发者模式卸载现有的tap仓库:
HOMEBREW_DEVELOPER=1 brew untap shivammathur/php -
然后重新添加tap仓库:
brew tap shivammathur/php
这个操作会刷新tap仓库的认证信息,解决401未授权的问题。之后再次尝试安装PHP 8.4应该就能正常进行了。
技术背景
Homebrew的tap机制允许第三方维护者提供自己的软件包仓库。shivammathur/php就是一个专门维护PHP各种版本的tap仓库。这些仓库有时会使用容器镜像仓库(如ghcr.io)来托管二进制文件,而访问这些资源需要有效的认证令牌。
当这些认证信息过期时,就会导致用户无法下载所需的软件包,表现为401错误。通过重新tap仓库,可以获取最新的认证信息,恢复正常的下载功能。
总结
对于在MacOS上使用Homebrew安装PHP 8.4时遇到的401错误,最有效的解决方案就是更新tap仓库。这个问题虽然看起来复杂,但解决起来其实很简单。理解Homebrew tap机制和容器镜像仓库的认证原理,有助于开发者更好地处理类似的问题。
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
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
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