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。
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