Sentry-Java 8.11.0-alpha.1版本发布:OpenTelemetry集成增强与Compose组件优化
Sentry-Java是一个功能强大的错误监控和性能追踪工具,专为Java和Android应用程序设计。它能够帮助开发者实时捕获异常、分析性能问题,并提供详细的上下文信息以便快速定位和解决问题。最新发布的8.11.0-alpha.1版本带来了多项重要改进,特别是在OpenTelemetry集成和Jetpack Compose支持方面。
OpenTelemetry集成增强
本次更新显著改进了Sentry与OpenTelemetry的集成能力。OpenTelemetry是一个开源的观测性框架,用于生成、收集和管理遥测数据(指标、日志和追踪)。在8.11.0-alpha.1版本中,Sentry现在能够更好地处理OpenTelemetry生成的span数据。
新增的globalHubMode选项使得Sentry能够将没有父span的OpenTelemetry span自动关联到最后一个已知的未完成根span(即事务)。这一改进解决了之前这些span会作为独立事务出现在Sentry中的问题,使得追踪数据更加连贯和有意义。
另一个重要的新选项是ignoreStandaloneClientSpans,它允许开发者控制是否将OpenTelemetry中类型为CLIENT的独立span转换为Sentry事务。默认情况下,这个选项设置为false,意味着这些span会被转换为事务,但开发者可以根据需要调整这一行为。
Jetpack Compose支持优化
对于使用Jetpack Compose构建UI的Android开发者,这个版本修复了几个与Session Replay(会话回放)功能相关的重要问题:
- 修复了非样式化
Text可组合项的屏蔽问题,确保在会话回放中正确显示这些文本内容。 - 解决了只读
TextField可组合项的屏蔽问题,使得这些输入框的内容能够在回放中正确呈现。
这些改进使得开发者在使用Compose构建应用时,能够获得更准确和完整的会话回放体验,有助于更好地理解用户在使用应用时遇到的问题。
其他改进
本次更新还包含了一些其他值得注意的改进:
- 将
RequestDetailsResolver类设为公开,并增加了新的构造函数,这使得开发者可以更灵活地使用自定义的TransportFactory。 - 继续优化了各个模块的稳定性和性能,为开发者提供更可靠的错误监控体验。
总结
Sentry-Java 8.11.0-alpha.1版本在OpenTelemetry集成和Jetpack Compose支持方面做出了重要改进,为开发者提供了更强大的错误监控和性能分析工具。这些增强功能特别适合那些在复杂分布式系统中使用OpenTelemetry进行观测,或者正在采用现代声明式UI框架Jetpack Compose构建应用的团队。
作为alpha版本,这些新功能已经可以供开发者进行测试和评估,但建议在生产环境中谨慎使用。开发团队可以期待在未来的稳定版本中看到这些功能的进一步完善和优化。
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