PiliPlus 1.1.2版本发布:B站客户端功能优化与体验升级
PiliPlus是一款基于Bilibili平台的第三方客户端应用,旨在为用户提供更优质的视频观看体验和更丰富的功能特性。本次发布的1.1.2版本在多个方面进行了功能优化和体验升级,进一步提升了用户的使用感受。
核心功能优化
本次更新对多项核心功能进行了优化改进:
-
影视内容搜索功能增强:新增了专门的影视内容搜索功能,用户可以更精准地查找各类影视作品,大大提升了内容发现的效率。
-
PGC内容观看体验优化:改进了PGC(专业生成内容)的跳转观看流程,使得用户能够更流畅地访问和观看B站的专业制作内容。
-
首页布局自定义:新增了首页影视栏显示选项,用户可以根据个人喜好选择是否在首页显示影视内容板块,实现了界面布局的个性化定制。
消息系统改进
未读消息管理功能得到了显著增强:
- 新增了多选支持功能,用户可以同时选择多个未读消息进行操作,大大提升了消息管理的效率。
- 优化了消息分类显示,使不同类型消息的区分更加清晰。
视频交互体验提升
-
视频简介增强:现在视频简介中的av/BV号支持点击跳转,用户可以直接点击这些编号快速访问相关视频,极大简化了内容跳转流程。
-
横屏播放列表优化:改进了横屏模式下的播放列表显示逻辑,现在只有当视频有分P时才会展开显示播放列表,避免了不必要的界面元素干扰。
内容过滤与个性化
-
推荐内容过滤:新增了过滤app端推荐和热门视频分区的功能,用户可以根据个人偏好选择是否显示这些内容,实现了更加个性化的内容展示。
-
界面显示优化:对多个界面元素进行了视觉优化,提升了整体UI的一致性和美观度。
技术实现亮点
从技术角度看,本次更新体现了以下特点:
-
模块化设计:通过将影视搜索、消息管理等功能模块化,提高了代码的可维护性和扩展性。
-
用户体验优先:各项优化都围绕提升用户体验展开,如播放列表的智能显示、快捷跳转等功能,体现了以用户为中心的设计理念。
-
性能优化:虽然更新日志中没有明确提及,但从功能改进可以推测开发团队对应用性能也进行了相应优化,确保新增功能不会影响整体流畅度。
总结
PiliPlus 1.1.2版本通过多项功能优化和新增特性,为用户带来了更加流畅、个性化的B站使用体验。从影视搜索到消息管理,从界面布局到内容过滤,每一项改进都体现了开发团队对用户需求的深入理解和技术实现的精湛能力。对于B站深度用户来说,这无疑是一个值得升级的版本。
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-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