Element X Android v25.06.2版本发布:安全修复与功能优化
Element X是一款基于Matrix协议的现代化即时通讯客户端,专注于提供安全、隐私保护的聊天体验。作为Element系列的最新成员,它采用了全新的架构设计,在性能、用户体验和安全性方面都有显著提升。
安全更新
本次v25.06.2版本最重要的更新是针对一个高危安全问题的修复。该问题被标识为CVE-2025-48937(GHSA-x958-rvg6-956w),存在于底层的matrix-rust-sdk中。具体来说,这个问题可能允许服务器管理员伪造消息发送者身份,即所谓的"发送者身份验证"问题。
开发团队通过升级matrix-rust-sdk到最新版本来解决这个问题。新版本增加了严格的发送者验证机制,确保每个事件的发送者确实拥有相应的会话密钥。这种修复对于维护端到端加密通信的完整性至关重要,特别是在对抗不当服务器操作的场景下。
功能改进与Bug修复
Element Call稳定性提升
针对Android API 30及以下版本的设备,修复了使用Element Call功能时可能导致的崩溃问题。Element Call是Matrix生态中的开源视频会议解决方案,这次修复确保了在较旧Android设备上的兼容性。
此外,开发团队还优化了音频设备的选择逻辑,增加了默认音频设备选择的延迟。这一改进有助于避免在通话初始化阶段可能出现的音频设备切换问题,提升了通话体验的稳定性。
消息输入框焦点问题修复
在升级到Compose 1.8.0后,部分用户遇到了消息输入框失去焦点的问题。这个版本修复了该问题,确保用户在输入消息时不会意外失去焦点,提高了聊天时的输入体验。
新功能:Matrix链接支持
v25.06.2版本新增了对"matrix:"协议链接的支持。这意味着用户可以直接点击matrix格式的链接(如房间链接、用户个人资料链接等),系统会自动使用Element X应用打开这些链接,提供了更流畅的跨应用体验。
构建与发布优化
本次发布包含了多种构建版本,针对不同CPU架构进行了优化:
- 通用APK(arm64-v8a, armeabi-v7a, x86, x86_64)
- 专为Google Play商店准备的AAB格式发布包
这种多架构支持确保了在各种Android设备上都能获得最佳性能表现,同时也符合Google Play的最新发布要求。
总结
Element X Android v25.06.2版本虽然是一个小版本更新,但包含了重要的安全修复和多项用户体验改进。特别是对CVE-2025-48937问题的修复,再次体现了Element团队对安全性的高度重视。对于注重隐私和安全的用户来说,及时升级到这个版本是非常必要的。
新加入的Matrix链接支持也为用户提供了更便捷的操作方式,进一步提升了应用的整体体验。随着Element X的持续迭代,它正逐步成为Matrix生态中最具竞争力的客户端之一。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00