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。
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