StreamChat Swift SDK 4.74.0版本发布:Markdown渲染优化与功能增强
StreamChat是一个功能强大的即时通讯Swift SDK,它为开发者提供了构建聊天应用所需的各种组件和功能。该SDK包含核心功能模块StreamChat和UI组件模块StreamChatUI,支持iOS平台上的聊天应用开发。
Markdown渲染功能全面升级
本次4.74.0版本中最显著的改进是对Markdown渲染功能的全面重构。开发团队引入了基于AttributedString的富文本渲染机制,显著提升了Markdown内容的显示效果。
新的MarkdownParser类负责解析和样式化Markdown字符串,支持多种Markdown元素如标题、链接等的渲染。值得注意的是,为了充分利用iOS 15及更高版本的系统能力,Markdown渲染功能仅在iOS 15+设备上可用,在iOS 14及以下版本会回退到普通文本显示。
为了支持Markdown标题的渲染,SDK新增了Fonts.title2字体样式。这一改进使得聊天消息中的标题能够以更醒目的方式呈现,提升了消息的可读性和视觉层次感。
频道阅读状态分页支持
在频道管理方面,4.74.0版本新增了对频道阅读状态的分页支持。开发者现在可以通过以下新方法更灵活地管理频道阅读状态:
ChatChannelController.loadChannelReads()- 加载频道阅读状态ChatChannelController.loadMoreChannelReads()- 加载更多频道阅读状态Chat.loadMembers()- 加载成员列表Chat.loadMoreMembers()- 加载更多成员
这些新增API使得处理大量频道阅读状态和成员数据变得更加高效,特别是在需要分批加载数据的场景下。
问题修复与稳定性提升
本次更新还包含多项问题修复,进一步提升了SDK的稳定性和可靠性:
- 通过使后台任务跟踪线程安全,解决了后台任务警告问题
- 修复了
ChatRemoteNotificationHandler可能导致持久存储数据不一致的问题 - 修正了使用
ChannelListSortingKey.default时频道排序不正确的问题 - 解决了当前用户将自己添加到频道时频道成员资格未更新的问题
UI组件改进
在StreamChatUI模块中,开发团队对Markdown相关API进行了重构:
- 移除了
MarkdownStyles.linkFont,因为链接属性会被UITextView忽略,建议开发者改为更新ChatMessageContentView.textView.linkTextAttributes - 移除了基于正则表达式的Markdown验证相关API,包括
DefaultMarkdownFormatter.markdownRegexPattern和MarkdownFormatter.containsMarkdown(_:)
这些变更使得API更加简洁,同时鼓励开发者采用更现代的文本处理方式。
总结
StreamChat Swift SDK 4.74.0版本通过引入现代化的Markdown渲染机制、增强频道管理功能以及修复多个关键问题,为开发者提供了更强大、更稳定的聊天应用开发工具。特别是对Markdown支持的改进,使得开发者能够为用户提供更丰富的消息展示效果,提升整体用户体验。
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