sbt 1.11.0-RC1发布:中央仓库发布功能重大升级
sbt(Simple Build Tool)是Scala生态中最流行的构建工具之一,它简化了Scala项目的构建、测试和发布流程。作为Scala开发者日常工作中不可或缺的工具,sbt的每次版本更新都备受关注。最新发布的sbt 1.11.0-RC1版本带来了对中央仓库(Maven Central)发布流程的重大改进,这是自Sonatype宣布将逐步淘汰原有OSSRH服务后的重要适配。
中央仓库发布机制革新
长期以来,JVM生态系统的开发者都依赖中央仓库(Maven Central)来共享和获取依赖库。传统的发布方式是通过Sonatype提供的OSSRH(OSS Repository Hosting)服务,使用HTTP PUT方法上传构件。然而,随着Sonatype宣布将在2025年6月逐步淘汰这一服务,转而推广Central Portal(central.sonatype.com),sbt 1.11.0-RC1及时提供了内置支持。
新版本中,开发者可以通过简单的配置实现向Central Portal的发布流程。首先需要在构建定义中设置发布目标为本地暂存仓库:
ThisBuild / publishTo := localStaging.value
然后配置Central Portal的认证凭据,使用生成的用户令牌作为用户名和密码。准备就绪后,执行publishSigned任务(需要sbt-pgp插件)会将构建产物(JAR和POM文件)暂存到本地的target/sona-staging目录。
最后,开发者可以选择两种发布方式:
- 使用
sonaUpload任务上传到Central Portal后手动发布 - 使用
sonaRelease任务自动完成上传和发布
这一功能的实现参考了Taro Saito开发的sbt-sonatype工作流,以及David Doyle在Lumidion领导的sonatype-central-client项目,为Scala开发者提供了平滑的过渡方案。
其他重要改进
除了中央仓库发布功能外,1.11.0-RC1版本还包含以下改进:
-
输出优化:修复了运行时JAR复制信息不必要地输出到stdout的问题,使构建输出更加整洁。
-
增量测试增强:修复了
testQuick任务在处理伴生对象时的行为,提高了增量测试的准确性和可靠性。
这些改进进一步提升了sbt作为Scala项目构建工具的稳定性和用户体验,特别是在大型项目开发中,增量测试的准确性直接影响开发效率。
升级建议
对于需要向Maven Central发布库的Scala项目,建议尽早测试1.11.0-RC1版本的新发布功能,确保在Sonatype完全迁移到Central Portal前完成适配。对于其他项目,新版本中的增量测试改进也值得考虑升级。
作为候选发布版,1.11.0-RC1已经具备生产环境使用的基本稳定性,但建议在非关键项目中先行验证,特别是自定义了复杂发布流程的项目,需要仔细测试新发布机制是否满足需求。
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