Uppy 4.13.0 版本发布:文件上传库的重大更新
Uppy 是一个现代化的文件上传库,它支持从本地磁盘、远程URL、云存储服务等多种来源获取文件,并提供了丰富的上传功能和用户界面组件。作为一个模块化的JavaScript库,Uppy可以与React、Vue等前端框架无缝集成,同时提供了强大的后端支持。
AWS S3 上传功能增强
在本次4.13.0版本中,Uppy对AWS S3上传功能进行了重要改进。现在,当文件上传到S3时,系统会始终将S3元数据设置为UppyFile对象,并包含key信息。这一改进使得开发者能够更方便地跟踪和管理上传到S3的文件。
另一个值得注意的改进是上传独立性的增强。现在,批量上传中的每个文件可以独立地成功或失败,而不会影响其他文件的上传状态。这种细粒度的控制对于构建健壮的上传系统非常有价值,特别是在处理大文件或网络不稳定的情况下。
Companion 服务更新
Uppy Companion是Uppy的后端服务组件,本次更新修复了forcePathStyle参数的布尔值转换问题。这个修复确保了当开发者配置S3存储桶路径样式时,参数能够被正确解析和处理。
此外,新版本还添加了对COMPANION_TUS_DEFERRED_UPLOAD_LENGTH参数的支持。这个特性允许开发者更灵活地控制TUS协议下的延迟上传长度,为处理大文件上传提供了更多配置选项。
图片服务集成优化
对于使用图片服务的开发者来说,新版本使utmSource参数变为可选。这一变更简化了集成的配置过程,同时保持了跟踪功能的使用灵活性。
构建系统和类型定义改进
在开发体验方面,Uppy 4.13.0增加了对CSS文件的类型定义支持,这将帮助使用TypeScript的开发者获得更好的类型提示和代码补全体验。同时,项目还更新了CI中的Webpack配置,确保构建过程的稳定性。
总结
Uppy 4.13.0版本虽然在表面上看起来是一个常规更新,但实际上包含了许多对开发者体验和系统稳定性的重要改进。从AWS S3上传的可靠性增强,到Companion服务的配置灵活性提升,再到开发工具链的优化,这些变化都体现了Uppy团队对产品质量和开发者体验的持续关注。
对于正在使用或考虑使用Uppy的项目来说,升级到4.13.0版本将能够获得更稳定的文件上传体验和更丰富的配置选项。特别是那些依赖AWS S3存储或需要处理大量文件上传的场景,本次更新带来的改进将尤为明显。
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