Expensify/App 9.1.19-0版本发布:移动端优化与功能增强
项目简介
Expensify是一款广受欢迎的财务管理应用程序,专注于简化个人和企业的报销流程。作为一款跨平台应用,它提供了Web、iOS和Android版本,帮助用户轻松跟踪支出、管理发票和处理报销请求。本次发布的9.1.19-0版本主要针对移动端体验进行了多项优化和改进。
核心改进与功能增强
移动端用户体验优化
-
键盘交互改进:修复了离线状态下键盘偏移问题,确保当离线指示器可见时,键盘不会遮挡输入内容。这一改进显著提升了在弱网环境下的用户体验。
-
视频附件显示修复:修正了查看附件模态框中视频背景颜色不正确的问题,使视频播放时的视觉效果更加专业和一致。
-
报告视图稳定性增强:解决了从报告页面返回时视图抖动的问题,使页面切换更加平滑流畅。
-
滚动条问题修复:在Expensify卡页面空状态下出现的双滚动条问题已被解决,界面显示更加整洁。
支付与发票功能改进
-
发票支付限制:现在支付发票时隐藏了添加新卡的选项,简化了支付流程并减少了潜在的操作错误。
-
扫描费用创建流程:更新了扫描收据创建费用的流程,允许用户在提交前查看完整的收据内容,提高了数据录入的准确性。
-
钱包银行账户显示:修复了钱包银行账户弹出窗口中多余空白的问题,使界面布局更加紧凑合理。
性能与底层架构优化
-
FlatList迁移:将报告页面迁移至使用独立的FlatList组件,这一架构改进有望提升列表渲染性能,特别是在处理大量数据时。
-
Onyx v3迁移:AuthScreens组件已迁移至使用Onyx v3,这是向现代化状态管理迈出的重要一步。
-
线程处理优化:改进了ReportScreen的线程创建逻辑,确保在需要时正确创建transactionThread。
开发者相关改进
-
错误堆栈可读性:更新了Terser配置以保留函数和类名称,使生产环境中的错误堆栈跟踪更加清晰可读。
-
测试流程改进:增加了iOS和Android参数化支持,便于分支测试,同时添加了开发者自查清单,提醒开发者在运行测试构建前审查代码。
-
构建系统增强:针对独立应用的开发构建进行了修复和改进,提升了开发效率。
总结
Expensify/App 9.1.19-0版本通过一系列针对性的优化和改进,显著提升了移动端用户体验,特别是在支付流程、附件查看和报告管理等方面。底层架构的持续现代化也为未来的功能扩展奠定了更坚实的基础。这些改进不仅增强了应用的稳定性和性能,也进一步简化了用户的财务管理工作流程。
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