Manyfold v0.115.0发布:增强内容可搜索性与隐私控制
Manyfold是一个开源的3D模型共享平台,它允许用户上传、管理和分享3D模型。作为一个注重隐私和内容控制的平台,Manyfold一直保持着默认私有的设计理念,同时也在不断完善其公开分享功能。
版本亮点
最新发布的v0.115.0版本主要聚焦于提升内容的可搜索性,同时强化了隐私控制选项。这一版本的核心改进包括:
-
搜索引擎索引控制:新增了管理员级别的全局设置,通过robots.txt文件控制是否允许网络爬虫索引网站内容。
-
细粒度的索引控制:为每个模型、创作者和收藏集添加了单独的索引控制选项,可以覆盖全局默认设置。
-
AI训练偏好设置:实现了类似Deviantart的AI训练偏好元标签,用户可以控制内容是否可用于AI训练。
-
站点地图支持:添加了sitemap.xml文件,帮助搜索引擎发现可索引的内容。
-
微数据结构化数据:在模型页面添加了微数据标记,提升搜索引擎对内容的理解和展示效果。
技术实现细节
搜索引擎控制机制
新版本通过多种方式实现了对搜索引擎的控制:
-
robots.txt:管理员可以在全局层面控制是否允许网络爬虫访问网站。当禁用时,robots.txt会明确禁止所有爬虫索引整个网站。
-
元标签:每个页面都包含了
robots元标签,可以精确控制单个页面是否允许索引。 -
AI训练控制:通过
noai和noimageai元标签,用户可以声明内容是否允许用于AI训练。
内容发现优化
为了提升公开内容的可发现性,新版本实现了:
-
站点地图生成:自动生成sitemap.xml文件,列出所有允许索引的公开内容。系统会智能地排除私有内容和标记为不可索引的项目。
-
结构化数据标记:使用schema.org词汇表为模型页面添加微数据,帮助搜索引擎更好地理解内容类型和属性。
-
ActivityPub扩展支持:实现了FEP-5feb规范,允许通过ActivityPub协议传播内容的索引偏好。
用户体验改进
在界面和交互方面,新版本也有多项改进:
-
访问状态指示器:重新设计了访问状态显示,更清晰地标识私有内容和共享内容。
-
许可证选择:新增了GPL2、LGPL2、LGPL3和BSD等常见开源许可证选项。
-
管理员界面优化:改进了管理员设置项的可见性和布局。
技术意义与价值
这一版本的发布标志着Manyfold在内容分发与隐私保护之间找到了更好的平衡点。通过精细化的控制机制,平台可以:
-
保护用户隐私:默认保持内容私有,同时提供灵活的公开选项。
-
提升内容曝光:为希望扩大影响力的创作者提供完善的搜索引擎优化工具。
-
尊重用户选择:在AI训练等新兴领域,给予内容所有者充分的控制权。
-
遵循开放标准:通过支持ActivityPub扩展等开放协议,确保与其他平台的互操作性。
总结
Manyfold v0.115.0版本通过一系列技术创新,在保持核心隐私理念的同时,大幅提升了公开内容的可发现性和控制灵活性。这些改进不仅使平台对普通用户更加友好,也为内容创作者提供了更多曝光机会,同时确保了对内容使用方式的充分控制权。这一版本的发布,标志着Manyfold在构建一个既保护隐私又促进分享的3D内容生态系统中迈出了重要一步。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C031
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