VSTest 17.14预览版发布:全面拥抱.NET 8/9时代
VSTest项目简介
VSTest是微软提供的开源测试框架,全称为Visual Studio Test Platform。作为.NET生态中最重要的测试工具链之一,它为开发者提供了强大的单元测试和集成测试能力,支持多种测试框架如MSTest、xUnit和NUnit。VSTest不仅集成在Visual Studio IDE中,也可以通过命令行工具独立运行,是现代.NET开发中不可或缺的质量保障工具。
重大更新:.NET版本支持升级
本次发布的17.14预览版带来了一个标志性的变化——VSTest正式将基础框架升级到.NET 8和.NET 9。这意味着:
-
生命周期管理:项目移除了对已结束支持的.NET 6.0等旧版本的支持,开发者需要将测试项目升级到.NET 8或更新版本才能使用最新功能。
-
兼容性说明:
- 现有.NET 6.0测试项目可以继续使用17.13.0或更早版本的Microsoft.NET.Test.SDK
- 升级到最新Visual Studio后,仍然可以运行.NET 6.0测试项目
- .NET Framework项目不受影响,继续支持.NET Framework 4.6.2
-
技术前瞻性:这一变化体现了微软对技术栈生命周期的严格管理,鼓励开发者及时跟进最新的.NET版本,以获得更好的性能和安全保障。
平台支持增强
UWP和WinUI测试改进
针对Windows平台的特殊测试场景,新版本做出了重要优化:
-
进程查询标志:新增了对UWP .NET 9项目的支持,解决了在这些平台上运行测试时可能遇到的进程管理问题。
-
构建修复:专门解决了WinUI和UWP .NET 9项目在构建过程中的兼容性问题,使这些现代Windows应用框架的测试更加顺畅。
稳定性与诊断能力提升
-
通信错误处理优化:改进了测试发现过程中断时的错误报告机制,避免在不必要的情况下报告通信错误,减少了误报情况。
-
诊断工具增强:
- 在VSIX扩展中集成了dump minitool,为测试异常分析提供了更强大的工具支持
- 采用SHA2算法进行互斥锁的哈希计算,提高了并发控制的安全性
内部架构现代化
-
构建系统升级:
- 迁移到macOS 14构建环境
- 移除了过时的xcopy-msbuild方式
- 更新了内部依赖的IO.Redist组件
-
依赖管理优化:
- 统一使用Visual Studio发布版本的依赖项版本
- 将DependencyModel更新至6.0.2版本
- 特别处理了Testhost的打包逻辑,确保仅在Windows平台进行
开发者体验改进
-
文档完善:更新了诊断指南和测试过滤器文档,特别是增加了对NUnit框架过滤器的说明。
-
测试结果增强:实验性地将测试属性(Props)写入TRX报告文件,为测试结果分析提供更多上下文信息(注:此功能可能在正式版前调整)。
技术前瞻
从这次更新可以看出VSTest团队正在积极准备对.NET 9的全面支持,同时也在不断优化跨平台测试体验。特别是对Windows现代应用框架(UWP/WinUI)的持续投入,反映了微软对这些技术栈的长期承诺。
对于企业级开发者而言,建议开始规划测试项目向.NET 8的迁移,以充分利用最新的测试平台功能和性能改进。同时,关注测试诊断工具的增强,可以在复杂场景下更高效地定位问题。
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