Conan 2.16.0 发布:构建工具链增强与安全检查升级
Conan 是一款功能强大的 C/C++ 包管理器,专为管理软件依赖关系和构建过程而设计。它通过简化依赖管理、跨平台构建和包分发,极大地提升了 C/C++ 项目的开发效率。最新发布的 Conan 2.16.0 版本带来了一系列重要更新,主要集中在工具链支持、安全检查和构建系统集成等方面。
编译器与工具链增强
本次更新显著扩展了对现代编译器和工具链的支持。新增了对 GCC 15.1 的完整支持,确保开发者可以使用最新的 GCC 编译器特性。同时,针对 Intel 编译器系列,补充了多个缺失的版本支持,为使用 Intel 编译工具链的项目提供了更好的兼容性。
在工具链方面,GnuToolchain 现在包含了 AutotoolsToolchain 的最新改进,提供了更完善的 GNU 工具链支持。对于 Apple 平台开发者,修复了 MesonToolchain 在 visionOS 上的使用问题,并移除了某些 Apple OS 上不存在的 SDK 版本,避免了潜在的配置错误。
构建系统集成改进
CMake 构建系统的支持得到了多项增强。CMakeConfigDeps 现在可以正确处理包含多库(multilibs)的组件,虽然目前会显示弃用警告,但为过渡期提供了更好的兼容性。此外,新增了 CMAKE_MODULE_PATH 支持,使得 include(module) 指令能够正常工作,进一步提升了 CMake 集成的灵活性。
对于 MSBuild 用户,新增了对 ARM64EC 平台的支持,填补了之前缺失的平台类型。同时公开了 MSBuildDeps.platform 属性的文档,特别是为需要设置 x86 值的 WiX 项目提供了明确的配置指导。
安全检查功能升级
安全检查功能在本版本中获得了显著提升。新增了严重级别阈值设置,允许用户根据需求过滤检查结果。检查结果的 HTML 输出也进行了多项改进,包括修复了严重级别排序问题、解决了列溢出问题,并优化了整体显示效果。
在安全机制方面,check_providers.json 文件现在被设置为仅允许所有者读写,增强了安全性。同时改进了当私有检查提供者缺少策展数据时的错误信息,帮助开发者更快定位问题。
依赖管理与构建流程优化
依赖管理方面引入了新的 no_skip=True 需求特性,解决了某些特殊情况下的依赖跳过问题,比如当一个应用程序需要私有依赖另一个应用程序时。构建流程中,现在可以输出每个包的构建配置信息,并通过 -vv 详细模式显示图中每个依赖项的配置详情,大大提升了构建过程的透明度。
对于使用 Git 作为源码管理的项目,修复了 Azure DevOps 等环境下特定提交无法被检出问题,通过显式执行 git fetch commit 确保了可靠性。同时,当本地配方索引中的 user/channel 不匹配请求时,现在会正确抛出未找到错误,避免了潜在的混淆。
配置系统与错误处理
配置系统进行了多项改进,包括早期检测并阻止在 conf_info 中直接赋值原始设置/选项的错误用法。Apple 平台相关的 bitcode、visibility 和 arc 配置现在会正确应用到 Autotools、Gnu 和 Meson 工具链中,确保了跨工具链的一致性。
错误处理方面,当 conan graph build-order 处理"可编辑"包时,现在能够正确输出 build_args,解决了之前的功能缺失问题。同时,继续推进内部代码清理工作,将更多功能从 Command 层迁移到 ConanAPI,并标记了一些内部实现为私有,为未来的架构演进做准备。
Conan 2.16.0 的这些改进进一步巩固了其作为现代 C/C++ 项目依赖管理解决方案的地位,特别是在跨平台构建、安全检查和工具链支持方面提供了更强大、更可靠的功能。无论是个人开发者还是企业团队,都能从这些增强功能中受益,构建更安全、更高效的 C/C++ 项目。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00