Conan 2.13.0 发布:构建工具链与依赖管理的全面升级
Conan 是一个开源的 C/C++ 包管理器,旨在简化 C/C++ 项目的依赖管理和构建过程。它支持跨平台开发,能够帮助开发者轻松管理项目依赖,并确保在不同环境中构建的一致性。随着 2.13.0 版本的发布,Conan 在构建工具链、依赖管理和工作空间支持等方面带来了多项重要改进。
CMake 工具链的增强
本次更新对 CMake 相关的工具链支持进行了显著增强。CMakeDeps 生成器现在能够为 cmake_additional_variables_prefixes 定义 {prefix}_FOUND 和 {prefix}_VERSION 变量,这使得 CMake 脚本能够更灵活地检测和使用依赖包。此外,新增的 CMAKE_LIBRARY_PATH 和 CMAKE_INCLUDE_PATH 被添加到 conan_cmakedeps_paths.cmake 中,进一步改善了库和头文件的查找机制。
对于正在孵化的 CMakeConfigDeps 生成器,现在可以通过配置标志在 conanfile 中使用。这个新特性为构建系统提供了更现代的 CMake 配置方式,是未来 CMake 集成的重要发展方向。
工作空间功能的完善
工作空间(Workspace)功能在 2.13.0 版本中得到了显著增强。新增的 workspace install 命令专门为包含多个可编辑(editable)包的超级项目设计,极大地简化了大型项目的开发流程。配合这一改进,conan new workspace 模板现在包含了一个基于 CMake 的超级项目结构,开发者可以快速搭建适合工作空间模式的项目框架。
这些改进使得在开发大型项目时,能够更方便地管理多个相互依赖的组件,同时保持高效的开发迭代速度。
依赖管理与版本控制
在依赖管理方面,2.13.0 版本引入了多项实用功能。新增的 lock upgrade 命令可以自动升级指定的依赖项并解析依赖图,大大简化了依赖版本升级的过程。Version 类新增的 in_range 方法提供了方便的版本范围比较功能,使得依赖版本约束更加灵活。
对于本地配方索引(local-recipes-index)远程源,现在当请求特定修订版本时会显示警告信息,帮助开发者避免潜在的版本冲突问题。
构建系统与工具链改进
构建系统支持方面,AutotoolsToolchain 现在允许从配置(conf)中获取构建上下文信息,提高了配置的灵活性。对于 MinGW 编译器,settings.yml 新增了 mcf 线程模型支持,完善了对 GCC MinGW 工具链的兼容性。
Premake 工具的 CLI 包装器也得到了增强,现在支持配置 Lua 文件路径和自定义命令行参数,为使用 Premake 的项目提供了更大的灵活性。
性能与稳定性优化
在性能方面,解压(untar)操作的性能得到了显著提升。运行时部署(runtime_deploy)现在能够正确处理符号链接及其关联的库文件,解决了之前可能导致的运行时依赖问题。
错误处理机制也有所改进,现在对于组件定义错误和运行时冲突会提供更清晰的错误信息。同时,修复了 _calculate_licenses SBOM 方法中的错误,并添加了相应的测试用例。
安全与兼容性更新
在安全方面,Conan 2.13.0 将 urllib3 依赖升级到了 2.0 版本,确保了网络通信的安全性。对于 msys2 子系统,现在能够正确继承环境变量中的路径设置,提高了在 Windows 平台下的兼容性。
总结
Conan 2.13.0 版本在构建工具链支持、依赖管理、工作空间功能和整体稳定性等方面都带来了重要改进。这些变化不仅提高了开发效率,也为大型项目的管理提供了更好的支持。对于 C/C++ 开发者而言,升级到 2.13.0 版本将能够体验到更流畅、更强大的包管理和构建体验。
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