QOwnNotes v25.6.1 版本发布:ARM macOS 崩溃修复与脚本增强
QOwnNotes 是一款开源的 Markdown 笔记应用,以其强大的自定义功能和与 Nextcloud/ownCloud 的深度集成而著称。作为一款跨平台应用,它支持 Windows、macOS 和 Linux 系统,并提供了丰富的脚本扩展能力。
关键修复:ARM macOS 退出崩溃问题
本次 v25.6.1 版本主要解决了 ARM 架构 macOS 设备上的一个严重问题。当用户在 Apple Silicon 芯片(如 M1/M2)的 Mac 上退出应用时,可能会遇到程序崩溃的情况。这种分段错误(segmentation fault)通常是由于内存访问越界或空指针解引用导致的底层问题。
开发团队通过深入分析,定位并修复了这个问题,确保了 ARM 架构 macOS 用户能够稳定使用 QOwnNotes。对于使用 Apple Silicon 设备的用户来说,这一修复显著提升了应用的可靠性。
脚本功能增强:笔记链接生成
新版本引入了一个重要的脚本方法扩展:note.getNoteUrlForLinkingToNoteId。这个方法为脚本开发者提供了更便捷的方式来生成 Markdown 格式的笔记链接。
在实际应用中,这个功能特别有用:
- 当需要动态创建笔记间的相互引用时
- 在自动化脚本中构建笔记关系网
- 开发自定义的笔记组织工具
该方法返回的是标准的 Markdown 链接格式,可以直接插入到笔记内容中。这种设计保持了与 Markdown 语法的兼容性,同时也简化了脚本开发者的工作流程。
国际化改进
QOwnNotes 持续改进其国际化支持,本次更新包含了:
- 西班牙语翻译的进一步完善
- 泰语翻译的补充和优化
这些翻译更新使得非英语用户能够获得更好的本地化体验,体现了项目对全球用户群体的重视。
技术实现细节
从技术角度看,这次更新展示了 QOwnNotes 项目对跨平台兼容性的持续关注。特别是对 ARM 架构 macOS 的支持修复,反映了开发团队对新兴硬件平台的快速响应能力。
脚本 API 的扩展则体现了项目的可扩展性设计理念,通过提供更多底层功能接口,让高级用户和开发者能够构建更复杂的自动化工作流。
总结
QOwnNotes v25.6.1 虽然是一个小版本更新,但包含了重要的稳定性修复和功能增强。对于 macOS 用户,特别是使用 Apple Silicon 设备的用户,建议尽快升级以获得更稳定的体验。脚本开发者则可以开始利用新的链接生成方法,创建更强大的笔记管理工具。
项目的持续更新展现了其活跃的开发状态和对用户体验的关注,值得 Markdown 笔记爱好者和生产力工具用户持续关注。
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