Hocuspocus v2.15.1版本发布:协同编辑引擎的重要更新
Hocuspocus是一个基于Y.js的实时协同编辑框架,它为开发者提供了构建多人协作应用的基础设施。作为一款开源项目,Hocuspocus简化了实现实时协同编辑功能的复杂度,让开发者可以专注于业务逻辑的实现。
核心功能改进
本次发布的v2.15.1版本包含了一系列重要的功能改进和问题修复,这些更新进一步提升了框架的稳定性和可用性。
连接管理优化
在WebSocket连接处理方面,本次更新改进了全局活跃连接计数器的实现,使其能够正确考虑多路复用场景。这一改进确保了在高并发环境下,系统能够准确统计和管理活跃连接,为资源分配和性能监控提供了更可靠的数据基础。
文档生命周期完善
修复了一个文档生命周期管理的问题,现在可以防止afterUnloadDocument钩子在onLoadDocument之后立即被触发的情况。这个修复确保了文档加载和卸载的生命周期事件能够按照预期顺序执行,为开发者提供了更可靠的文档状态管理机制。
评论功能稳定性提升
针对评论功能,修复了当deletedComments Y数组不存在时可能导致的错误。这一改进增强了评论功能的健壮性,特别是在处理文档历史记录和评论删除操作时表现更加稳定。
依赖管理和开发体验
依赖关系调整
在Transformer模块中,将@tiptap/core从直接依赖调整为peerDependencies。这一变更遵循了更好的包管理实践,避免了潜在的依赖冲突,同时也给予了开发者更大的灵活性来选择适合自己项目的Tiptap版本。
文档和示例改进
文档方面也进行了多项优化,包括修复了"本地编辑文档"示例中缺失的await关键字,以及修正了扩展列表中的链接错误。这些改进使得开发者能够更轻松地理解和使用框架功能。
构建和测试增强
在构建系统方面,更新了多个开发依赖的版本,包括将Rollup从2.79.0升级到2.79.2,以及将actions/cache从4.1.2升级到4.2.0。这些更新带来了构建工具的性能改进和潜在问题的修复。
总结
Hocuspocus v2.15.1虽然是一个小版本更新,但包含了多项重要的稳定性改进和功能优化。这些变更进一步巩固了Hocuspocus作为实时协同编辑解决方案的可靠性,同时也提升了开发者的使用体验。对于正在使用或考虑采用Hocuspocus的项目团队来说,升级到这个版本将获得更好的稳定性和功能支持。
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