Wealthfolio 1.1.0版本发布:个人财富管理工具的重大升级
Wealthfolio是一款开源的跨平台个人财富管理工具,旨在帮助用户全面跟踪和管理自己的投资组合。作为一款本地优先的应用程序,Wealthfolio特别注重数据隐私和安全性,所有数据都存储在用户本地设备上。最新发布的1.1.0版本带来了多项重要改进和功能增强,特别是在活动管理、数据分析和性能计算方面。
核心功能改进
活动管理功能全面升级
1.1.0版本对活动管理进行了重大重构,引入了全新的导入向导功能,支持CSV和Excel格式的数据导入。新版本采用了类似电子表格的可编辑网格界面,大大提升了数据录入的效率。此外,系统现在支持更多类型的活动记录,包括扩展的交易类型和表单,并新增了"复制"功能,方便用户快速创建相似记录。
仪表板与账户分析增强
仪表板现在能够自动更新期间损益和回报率数据,当用户悬停在贡献图表上时,会显示更详细的信息。一个重要的改进是历史估值现在使用每日外汇汇率进行计算,提高了跨国投资组合估值的准确性。
在账户层面,新增了多项专业指标:
- 时间加权回报率(TWR)
- 货币加权回报率(MWR)
- 投资组合波动率
- 最大回撤(Max Drawdown)
这些指标为专业投资者提供了更深入的分析工具。
投资组合可视化与分析
持仓分析模块得到了显著改进:
- 图表展示更加清晰直观
- 新增"按货币价值"和"按账户持仓"视图
- 用户可以通过点击图表切片来筛选持仓列表
- 支持账户级或全组合级的筛选条件
在证券(Symbols)模块中,现在可以计算持仓批次(lots)并显示报价历史表格,为财务计算和投资分析提供了便利。
性能计算引擎优化
1.1.0版本对性能计算引擎进行了重构,修复了TWR/MWR计算中的问题,并新增了波动率和最大回撤指标。这些改进使得投资组合的风险评估更加准确可靠。
其他重要改进
- 贡献限额功能:现在可以为贡献额度设置开始和结束日期,更好地管理年度投资限额
- 设置选项:新增手动刷新市场数据和完全重新获取数据的选项
- 首次使用流程:简化了初始设置流程,让新用户能够更快上手
升级注意事项
由于1.1.0版本包含了对计算服务和后端逻辑的重大重构,建议用户在升级前通过设置中的导出功能备份数据库。这一预防措施可以确保在升级过程中不会丢失任何重要数据。
总体而言,Wealthfolio 1.1.0版本通过引入专业级的分析工具和改善用户体验,使其从一个简单的投资跟踪工具向全面的财富管理平台迈进了一大步。特别是对专业投资者关心的风险指标和性能计算方面的改进,使其在开源个人理财工具中脱颖而出。
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