Jellyseerr v2.6.0 版本发布:媒体管理与用户体验全面升级
Jellyseerr 是一个基于 Jellyfin/Emby 生态系统的媒体请求管理工具,它为用户提供了便捷的媒体内容请求、审批和管理功能。作为 Overseerr 的一个分支,Jellyseerr 特别针对 Jellyfin 用户进行了优化和功能增强。
核心功能改进
媒体内容过滤与分类增强
本次 2.6.0 版本在内容过滤方面做出了显著改进。新增了内容认证/年龄分级过滤器,管理员现在可以根据不同年龄分级筛选内容,这对于家庭友好型媒体库管理特别有价值。同时,在个人详情页面增加了媒体类型过滤功能,用户可以更精确地查看演员或导演参与的特定类型作品。
黑名单功能也得到了加强,现在系统可以自动将带有黑名单标签的媒体添加到黑名单中。更智能的是,对于管理员用户,黑名单项目会自动从发现页面隐藏,既保持了界面的整洁,又不影响管理员对黑名单内容的管理。
通知系统优化
通知系统是本版本的另一大亮点。新增了对 ntfy 的原生支持,这是一种轻量级的推送通知服务。Gotify 通知现在支持优先级设置,而 Discord 通知则在待审批请求中加入了直接链接,提高了管理效率。Pushover 通知的声音设置问题也得到了修复,确保用户偏好能够正确保存。
技术架构改进
缓存机制优化
图像缓存系统进行了全面升级。新增了对 TVDB 图像的缓存支持,同时修复了 TMDB 部分图像的缓存缺失问题。头像缓存文件夹的创建问题也得到了解决,确保了用户头像能够正确加载和缓存。
数据库与排序逻辑
PostgreSQL 用户将受益于 TIMESTAMPTZ 类型的使用改进,问题评论现在会按照从旧到新的正确顺序显示。媒体请求中的季数排序问题也得到了修复,确保季数按自然顺序排列而非字母顺序。
用户体验提升
界面与交互优化
请求列表现在支持媒体类型过滤,让用户能更快找到特定类型的请求。季节徽章的顺序显示问题被修复,界面更加一致。移动端的人物媒体类型过滤器也进行了优化,确保在不同设备上体验一致。
配置灵活性
用户现在可以配置图表探针,根据自身需求调整系统监控的精细度。视频分享平台现在可配置,方便在不同地区的用户访问适合的视频实例。Markdown 换行支持也被引入,改善了多行文本的显示效果。
安全与稳定性
用户设置中的电子邮件检查逻辑得到改进,系统现在会正确排除当前用户检查重复邮箱。URL 验证也更加严格,能够正确处理空字段的情况。Jellyfin 会话管理得到加强,确保在 Jellyseerr 登出时清理相关会话。
总结
Jellyseerr v2.6.0 版本在媒体管理、通知系统、缓存机制和用户体验等多个维度进行了全面升级。这些改进不仅提高了系统的稳定性和功能性,也为管理员和普通用户带来了更加流畅和高效的使用体验。特别是新增的内容过滤和分类功能,使得媒体库管理更加精细化和个性化,满足了不同用户群体的需求。
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