CATS项目13.1.0版本发布:API测试工具的重大更新
CATS是一个开源的API测试框架,专注于为OpenAPI/Swagger规范定义的API提供自动化测试能力。它通过生成和执行各种测试用例来验证API的健壮性、安全性和一致性。最新发布的13.1.0版本带来了一系列重要的改进和新功能。
JUNIT报告修复与标准化
13.1.0版本重点修复了JUNIT报告生成中的问题。开发团队移除了不符合JUNIT标准的属性,确保报告格式完全符合规范。同时改进了失败和错误情况的报告机制,使得测试结果更加准确和易于理解。
对于持续集成(CI)环境中的用户来说,这一改进意味着测试结果现在可以更可靠地被各种工具解析和处理,提高了与现有开发工作流的兼容性。
新增字符串大小写转换模糊测试器
本次更新引入了4个新的模糊测试器(fuzzer),专门测试字符串在大小写转换时的行为:
- 测试字符串转换为小写后长度是否变化
- 测试字符串转换为大写后长度是否变化
- 测试字符串转换为小写后是否导致长度扩展
- 测试字符串转换为大写后是否导致长度扩展
这些测试器对于国际化(i18n)支持尤为重要,因为某些语言的字符在进行大小写转换时可能会扩展为多个字符(如德语的"ß"大写变为"SS")。通过这种测试,可以确保API能够正确处理这类特殊情况。
OpenAPI规范名称显示优化
针对OpenAPI规范名称较长时的显示问题,13.1.0版本改进了摘要报告中的渲染逻辑。现在无论规范名称多长,都能在报告中正确显示而不会破坏布局。这一改进虽然看似微小,但对于阅读测试报告的用户体验提升显著。
依赖项更新
开发团队将项目依赖更新到了最新版本,包括使用了Swagger解析器的定制分支。依赖更新不仅带来了性能改进和bug修复,还可能包含安全补丁,建议所有用户升级以获得最佳体验。
多平台支持
CATS 13.1.0继续提供全面的跨平台支持,发布了针对以下平台的预编译包:
- Linux (amd64和arm64架构)
- macOS (Intel和Apple Silicon)
- Windows
- 通用的UberJar包
这种广泛的支持确保了开发者可以在各种开发和生产环境中无缝使用CATS进行API测试。
升级建议
对于现有用户,特别是那些:
- 依赖JUNIT报告进行持续集成的工作流
- 需要处理国际化字符串的API
- 使用较长OpenAPI规范名称的项目
强烈建议升级到13.1.0版本。新版本不仅解决了已知问题,还增强了测试覆盖范围,能够发现更多潜在的API边界情况问题。
CATS项目持续致力于提供高质量的API测试工具,13.1.0版本的发布再次证明了这一点。通过不断改进核心功能和扩展测试能力,CATS正在成为OpenAPI生态系统中的重要工具之一。
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-1.5暂无简介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-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