DNN Platform v9.13.8版本发布:关键修复与功能增强
DNN Platform是一个基于.NET的开源内容管理系统(CMS),它提供了强大的网站构建和管理功能。作为企业级CMS解决方案,DNN Platform以其模块化架构、多站点支持和丰富的扩展生态系统而闻名,广泛应用于各种规模的网站建设项目中。
核心改进与修复
关键错误修复
本次发布的v9.13.8版本解决了几个影响用户体验的关键问题。首先修复了非标准路径站点缩略图显示异常的问题,这一改进确保了无论站点部署在何种路径下,缩略图都能正常显示。其次解决了门户配置文件属性唯一性问题,现在每个门户都能拥有独立的配置属性,避免了配置冲突。此外还修正了Log4Net组件的大小写敏感性问题,提升了系统在不同环境下的兼容性。
安全增强
在安全方面,本次更新实现了认证cookie的自动删除机制。当cookie过期或无效时,系统会自动清除这些凭证,这一改进显著提升了系统的安全性,减少了潜在的安全隐患。同时,针对无效配置组件的处理也增加了日志记录和弹性恢复机制,使系统在遇到配置问题时能够更优雅地处理,同时为管理员提供详细的诊断信息。
开发者体验优化
开发团队对文档资源进行了全面更新,将所有dnndocs.com的引用迁移至docs.dnncommunity.org,这一变更确保了开发者能够获取最新、最准确的文档资源。对于使用DNN Platform进行二次开发的开发者来说,这一改进将大大提升开发效率。
技术栈更新
v9.13.8版本包含了多项技术栈的更新升级:
- 将Microsoft.CodeAnalysis.Analyzers从3.3.4升级至3.11.0
- svg-url-loader从7.1.1升级到8.0.0
- .NET SDK从9.0.101升级到9.0.200
- 更新了undici等依赖项至最新稳定版本
这些更新不仅带来了性能提升,还修复了已知的安全问题,使整个平台更加稳定可靠。
持续集成与交付改进
开发团队引入了GitHub Action来自动保持caniuse-lite的更新,这一自动化流程确保了浏览器兼容性数据的及时更新。同时,actions/checkout也从v3升级到了v4,提升了持续集成流程的效率和可靠性。
可选组件策略
虽然从9.11.0版本开始,Telerik组件已从代码库中完全移除,但考虑到向后兼容性,本次更新仍为依赖Telerik的模块提供了升级路径。对于全新安装的环境,系统将不再包含Telerik组件;对于升级环境,管理员可以根据实际需求选择保留或移除Telerik。这一灵活的策略确保了不同场景下的平滑过渡。
总结
DNN Platform v9.13.8是一个以稳定性和安全性为核心的维护版本,它通过多项错误修复和技术升级,进一步提升了平台的可靠性和开发体验。对于系统管理员而言,改进的安全机制和配置处理能力将大大简化日常运维工作;对于开发者来说,更新的技术栈和文档资源则提供了更好的开发基础。建议所有DNN Platform用户考虑升级到此版本,以获得最佳的性能和安全保障。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00