Orchestral Testbench Core v10.2.0 版本发布:PHPUnit 12.1 支持与远程测试增强
Orchestral Testbench 是一个为 Laravel 包开发提供测试辅助的框架,它简化了 Laravel 应用程序和包的测试流程。作为 Laravel 生态系统中重要的测试工具,Testbench 为开发者提供了便捷的方式来构建完整的 Laravel 环境进行单元测试和功能测试。
核心更新内容
PHPUnit 12.1 支持
本次 v10.2.0 版本最重要的更新之一是对 PHPUnit 12.1 的全面支持。PHPUnit 作为 PHP 生态中最流行的测试框架,其 12.1 版本带来了一些性能改进和新特性。Testbench 通过这次更新确保了开发者可以在最新的 PHPUnit 环境下无缝运行测试。
对于使用 Testbench 的开发者来说,这意味着:
- 可以直接在项目中升级到 PHPUnit 12.1 而无需担心兼容性问题
- 能够利用 PHPUnit 12.1 带来的新特性和性能优化
- 保持测试工具链的现代性和安全性
远程测试功能增强
Testbench v10.2.0 对远程测试功能进行了重要改进,引入了更灵活的远程命令处理方式:
-
Closure 支持:现在可以向
Orchestra\Testbench\remote()函数传递 Closure(闭包),这为远程测试提供了更大的灵活性。开发者可以更直观地定义远程执行的逻辑,而不必局限于字符串形式的命令。 -
架构重构:远程命令处理被重构为使用专门的
Orchestra\Testbench\Foundation\Process\RemoteCommand类。这种面向对象的设计改进带来了:- 更好的代码组织和可维护性
- 更清晰的接口定义
- 为未来可能的扩展提供了更好的基础
环境变量命名规范化
在内部实现上,v10.2.0 将环境变量 TESTBENCH_ENVIRONMENT_FILE_USING 重命名为更准确的 TESTBENCH_ENVIRONMENT_FILE_USING。虽然这是一个内部变更,不会直接影响大多数用户,但它反映了项目对代码一致性和清晰性的持续追求。
升级建议
对于现有项目,升级到 Testbench Core v10.2.0 是一个相对平滑的过程:
- 确保项目已经使用了 Testbench v10.x 系列
- 更新 composer.json 中的版本约束为 "^10.2"
- 如果项目中使用 PHPUnit,可以考虑同步升级到 12.1 版本
- 检查是否有自定义的远程测试逻辑,可能需要根据新的 API 进行微调
总结
Orchestral Testbench Core v10.2.0 虽然是一个小版本更新,但它为 PHP 测试生态带来了重要的兼容性和功能性改进。特别是对 PHPUnit 12.1 的支持确保了开发者能够使用最新的测试工具,而远程测试功能的增强则为分布式测试场景提供了更多可能性。这些改进共同巩固了 Testbench 作为 Laravel 包开发测试首选工具的地位。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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