Swift Protobuf 1.29.0 版本发布:增强时间类型支持与JSON解析能力
Swift Protobuf 是苹果官方维护的 Protocol Buffers 协议的 Swift 语言实现,它为 Swift 开发者提供了高效的数据序列化和反序列化能力。Protocol Buffers 是 Google 开发的一种语言中立、平台中立的数据交换格式,广泛用于网络通信和数据存储场景。
时间类型增强功能
本次 1.29.0 版本在时间相关类型处理上做了重要改进,新增了与 Swift 标准库 Duration 类型的互转能力:
-
Swift.Duration 与 Google_Protobuf_Duration 互转
现在开发者可以方便地在 Swift 标准库的 Duration 类型和 Protocol Buffers 的 Duration 类型之间进行转换,这大大简化了时间间隔数据的处理流程。 -
带舍入控制的构造器
新增了带有舍入控制参数的构造器,包括:Google_Protobuf_Duration初始化时支持控制纳秒值的舍入方式Google_Protobuf_Timestamp初始化时同样支持舍入控制
这些改进使得时间相关的数据处理更加精确和灵活,特别是在需要高精度时间计算的场景下,开发者可以更好地控制时间值的处理方式。
JSON 解析能力增强
在 JSON 解析方面,1.29.0 版本做了多项改进:
-
@type 字段验证
在解析 JSON 数据时,现在会严格验证@type字段的有效性,确保其符合 Protocol Buffers 的规范要求。 -
Any 类型支持增强
加强了对google.protobuf.Any类型的 JSON 支持验证,确保这种特殊类型的序列化和反序列化行为符合预期。 -
MessageSet 处理改进
更新了 MessageSet 的解析逻辑,并增加了对原始扩展字段的读取支持,这使得处理包含扩展字段的 Protocol Buffers 消息更加可靠。
代码质量与构建改进
-
代码格式化检查
引入了 swift-format 检查作为 PR 流程的一部分,确保代码风格的一致性。 -
构建系统更新
根据最新的 CMake 文档更新了构建配置,使项目构建更加现代化和可靠。 -
Swift 6 兼容性
确保插件示例生成的代码能够在 Swift 6 模式下编译通过,为未来的 Swift 版本升级做好准备。 -
枚举生成代码优化
对封闭枚举(closed Enums)的生成代码进行了清理和优化,使生成的代码更加简洁高效。
平台支持扩展
在平台支持方面,本次更新增加了对 visionOS 的官方支持,通过更新 Podspec 文件,开发者现在可以在苹果的 visionOS 平台上使用 Swift Protobuf。
总结
Swift Protobuf 1.29.0 版本在时间处理、JSON 解析和代码质量方面都做出了显著改进。这些增强功能使得 Protocol Buffers 在 Swift 生态系统中的集成更加无缝,特别是在需要精确时间处理和复杂数据交换的场景下。对于已经使用或考虑使用 Protocol Buffers 的 Swift 开发者来说,这个版本值得升级。
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