Pants构建工具2.25.0.dev4版本发布:增强环境变量支持与构建优化
Pants是一个现代化的构建系统,专注于为大型代码库提供快速、可扩展的构建体验。它采用Python编写,支持多种编程语言和工具链,通过智能的依赖分析和并行执行来加速构建过程。
本次发布的2.25.0.dev4版本带来了多项实用改进,主要集中在环境变量处理和构建流程优化方面。作为开发版本,它展示了Pants团队在持续改进构建体验方面的最新成果。
环境变量处理增强
新版本对环境变量的支持进行了显著增强。首先,现在可以在远程执行环境中使用{chroot}标记来替换环境变量值,这为分布式构建提供了更大的灵活性。其次,extra_env_vars配置现在支持fnmatch风格的glob模式匹配,使得环境变量的管理更加灵活和强大。
这些改进特别适合需要根据不同构建环境动态配置变量的场景。例如,开发者现在可以轻松地为特定模式的构建目标设置不同的环境变量,而无需为每个目标单独配置。
构建流程优化
在构建流程方面,新版本修复了无限符号链接问题,并会记录违规者,这有助于开发者更快地定位和解决构建中的文件系统问题。此外,对openDAL库的更新解决了与AWS和GitHub Actions相关的问题,提升了云环境下的构建稳定性。
元数据推断改进
PBS(可能指Pants Build System)相关的元数据现在可以直接从URL推断,这一改进简化了配置过程,减少了手动配置的工作量。这种自动推断机制使得项目配置更加简洁,同时降低了出错的可能性。
工具链更新
Python代码格式化工具Black的默认版本从23.12升级到了24.8,带来了最新的代码风格检查和格式化功能。同时,新增了对Ruff报告生成的支持,Ruff是一个快速的Python代码检查工具,这一集成使得开发者能够更方便地获取代码质量报告。
总结
Pants 2.25.0.dev4版本虽然在版本号上标记为开发版,但已经包含了许多实用的生产环境改进。从环境变量处理的增强到构建流程的优化,再到工具链的更新,这些变化都体现了Pants团队对开发者体验的持续关注。对于使用Pants进行大型项目构建的团队来说,这些改进将带来更流畅、更可靠的构建体验。
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-1.5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