Snap! v10.5.0 版本发布:移动设备传感器支持与媒体处理增强
项目简介
Snap! 是一款基于浏览器的可视化编程语言和环境,源自于麻省理工学院的Scratch项目,但提供了更强大的功能和灵活性。它采用积木式编程界面,特别适合教育场景中教授编程概念。Snap! 不仅面向儿童和初学者,也为高级用户提供了丰富的扩展功能。
核心更新内容
1. 移动设备传感器支持
本次版本最引人注目的新增功能是"Mobile Device Sensors"(移动设备传感器)库,其中包含了一个名为"tilt"(倾斜)的监测器。这个功能允许开发者通过编程访问移动设备的加速度传感器数据,为创建交互式移动应用开辟了新的可能性。
技术实现上,Snap! 团队新增了"ori_tilt(xyz)"扩展块,它可以报告设备在x、y、z三个轴向上的倾斜角度。这对于开发需要物理交互的游戏和教育应用特别有价值,例如:
- 平衡球类游戏
- 物理模拟实验
- 增强现实(AR)应用原型
2. 音频处理增强
针对媒体扩展开发者,v10.5.0引入了"mda_set_mic_resolution(idx)"扩展块,允许程序化设置音频缓冲区大小。这个功能提供了四种分辨率选项:
- 256采样点
- 512采样点
- 1024采样点
- 2048采样点
值得注意的是,团队特别修复了Safari浏览器(包括Mac和移动版本)中的声音录制问题,这解决了长期困扰开发者的跨浏览器兼容性问题。
3. 图像处理改进
在图像处理方面,本次更新对两个关键功能进行了优化:
STRETCH COSTUME功能增强: 现在不仅支持调整精灵外观的大小,还能接受像素数据矩阵作为输入,并相应地输出处理后的矩阵数据。这一变化虽然主要面向教育工作者和课程开发者,但为高级用户提供了更大的灵活性。
RESHAPE功能调整: 修改了处理分数维度时的舍入策略,现在会使用向上取整(ceiling)的方式。例如,输入尺寸为2.3×4.6时,系统会自动调整为3×5。这一变化使图像处理结果更加可预测,减少了意外裁剪的可能性。
技术意义与应用前景
从技术架构角度看,v10.5.0的更新体现了Snap!项目在两个方向上的战略发展:
-
移动优先策略:通过引入设备传感器支持,Snap!正在拓展其在移动设备上的应用场景,不再局限于传统的桌面浏览器环境。
-
专业功能下沉:虽然Snap!主要面向教育市场,但通过提供音频缓冲区设置和高级图像处理能力,它正在吸引更多专业开发者的关注,成为原型开发和教育演示的有力工具。
对于教育工作者而言,新的传感器功能特别值得关注。它使得在课堂上演示物理概念(如加速度、重力等)变得更加直观,学生可以通过自己编写的程序直接与物理世界互动,这种"具身学习"体验能显著提升STEM教育的效果。
总结
Snap! v10.5.0版本通过引入移动设备传感器支持和增强媒体处理能力,进一步模糊了教育工具和专业开发环境之间的界限。这些更新不仅丰富了平台的功能集,也扩展了其在STEAM教育中的应用场景。特别是倾斜传感器的加入,为创造更具互动性的学习体验提供了新的可能性,预示着可视化编程工具向物理计算和物联网领域延伸的趋势。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00