stlite项目v0.80.0版本发布:增强NPM支持与Pyodide升级
stlite是一个基于Streamlit框架的轻量级实现,它能够在浏览器和桌面环境中运行Streamlit应用。该项目通过Pyodide(一个将Python运行时编译为WebAssembly的项目)来实现Python代码在浏览器中的执行,为开发者提供了在Web环境中部署和运行Streamlit应用的新选择。
本次发布的v0.80.0版本主要带来了两个重要改进:增强了NPM包的支持和升级了Pyodide版本。
NPM包支持增强
在本次更新中,开发团队对stlite的NPM包支持进行了显著改进:
-
类型声明文件支持:现在
@stlite/browser包已经包含了TypeScript类型声明文件(.d.ts),这使得在使用TypeScript开发时能够获得更好的类型提示和代码补全支持,提升了开发体验。 -
Lerna配置优化:项目中新增了
npmClient字段到lerna.json配置文件中,这有助于更好地管理多包仓库中的NPM客户端行为。
这些改进使得stlite作为一个NPM包的可用性大大提升,特别是在TypeScript项目中的集成更加顺畅。
Pyodide版本升级
项目将Pyodide从之前的版本升级到了0.27.3。Pyodide作为stlite能够在浏览器中运行Python代码的核心技术,其版本升级带来了以下潜在好处:
-
性能优化:新版本的Pyodide通常包含性能改进,可能带来更快的Python代码执行速度。
-
Bug修复:解决了之前版本中可能存在的问题,提高了稳定性。
-
新特性支持:可能支持了更多Python标准库功能或改进了现有功能的实现。
其他依赖项更新
除了主要功能更新外,项目还更新了几个关键依赖项:
- 将vite-plugin-static-copy从2.2.0升级到2.3.0
- 将@vscode/test-web从0.0.66升级到0.0.67
- 将@lerna-lite/version从3.12.1升级到3.12.2
这些依赖项的更新通常包含安全补丁、性能改进和bug修复,有助于提高项目的整体稳定性和安全性。
总结
stlite v0.80.0版本的发布,标志着这个项目在开发者体验和核心技术栈上的持续进步。通过增强NPM包支持和升级Pyodide版本,stlite为开发者提供了更稳定、更易用的工具,使得在浏览器环境中构建和运行Streamlit应用变得更加便捷。对于希望在Web环境中部署Python数据应用的开发者来说,这些改进无疑会带来更好的开发体验和应用性能。
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