cibuildwheel 3.0.0发布:跨平台Python轮子构建工具重大升级
cibuildwheel是一个用于在CI环境中自动构建跨平台Python轮子(wheel)的工具。它能够帮助开发者轻松地为不同操作系统和Python版本构建兼容的二进制分发包,大大简化了Python项目的打包和分发流程。最新发布的3.0.0版本带来了多项重要更新和功能增强。
核心功能升级
1. iOS平台支持
cibuildwheel 3.0.0最引人注目的新特性是增加了对iOS平台的支持。开发者现在可以在Mac设备上构建适用于iOS的Python轮子,只需将平台选项设置为"ios"并配置好iOS工具链即可。这一功能为Python在移动端的应用开辟了新的可能性。
2. GraalPy解释器支持
新版本正式加入了对GraalPy解释器的支持。GraalPy是基于GraalVM的Python实现,能够提供更好的性能特性和与其他语言的互操作性。开发者可以通过enable选项启用这一功能。
3. CPython 3.14预发布支持
虽然CPython 3.14仍处于beta阶段,但cibuildwheel已经提供了对其的支持。需要注意的是,在beta阶段ABI可能会发生变化,因此建议等到RC1版本后再分发构建的轮子。
构建与测试流程改进
1. 测试源文件管理
新版本引入了test-sources选项,允许开发者指定需要复制到测试环境的文件和目录。这一改进特别适用于iOS构建,同时也解决了其他平台上测试文件路径管理的问题。
2. 依赖版本控制
增加了dependency-versions的内联语法,使依赖管理更加灵活和直观。开发者可以更精细地控制构建过程中使用的依赖版本。
3. 构建前端变更
默认构建方式从pip wheel改为直接调用build工具。这一变化使得构建日志输出更加清晰可见,开发者可以更容易地诊断构建过程中的问题。
兼容性与环境调整
1. 默认镜像更新
Linux平台的默认构建镜像从manylinux2014升级为manylinux_2_28,提供了更新的系统环境和库支持。
2. 环境精简
构建环境中不再预装setuptools和wheel,减少了不必要的依赖,使环境更加精简。
3. Python版本支持调整
移除了对Python 3.6和3.7的支持,最低运行要求提升至Python 3.11。同时,PyPy轮子不再默认构建,需要通过enable选项显式启用。
文档与用户体验
文档结构进行了全面重组和更新,现在主要使用pyproject.toml中的选项名称而非环境变量名称,使配置更加直观。文档中还加入了Python 3.14特有的彩色输出示例,提升了可读性。
总结
cibuildwheel 3.0.0是一个重要的里程碑版本,不仅扩展了支持的平台范围,还改进了构建流程和用户体验。特别是iOS平台的支持,为Python生态开辟了新的应用场景。对于需要为多个平台构建Python轮子的项目来说,升级到这一版本将获得更强大的功能和更流畅的体验。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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