Hilla 24.7.0.alpha5 版本技术解析
Hilla 是一个现代化的全栈 Web 开发框架,它结合了 Spring Boot 后端和 React/TypeScript 前端,为开发者提供了高效的开发体验。Hilla 通过自动生成 TypeScript 类型和 API 客户端,简化了前后端交互,让开发者能够专注于业务逻辑的实现。
本次发布的 Hilla 24.7.0.alpha5 是一个预发布版本,主要包含了一些重要的改进和修复,特别是在 React 兼容性、Gradle 插件稳定性和 AOT 编译方面。
核心改进
React 19 兼容性准备
随着 React 19 的即将发布,Hilla 团队提前进行了兼容性适配。在这个版本中,团队将代码中的全局 JSX 类型引用改为使用 React.JSX 命名空间。这一改动是为了应对 React 19 中移除全局 JSX 类型的变更,确保项目能够平滑升级到未来的 React 版本。
开发依赖优化
开发团队移除了非开发依赖中的类型定义,这一优化减少了项目的依赖体积,同时保持了类型检查的功能。这种优化对于大型项目特别有价值,可以加快构建速度并减少潜在的依赖冲突。
Gradle 插件增强
Gradle 插件在这个版本中得到了多项改进:
- 恢复了任务替换功能,确保构建流程的稳定性
- 增加了对 Spring Boot 插件的检查,避免配置错误
- 提升了整体构建体验,特别是对于使用 Gradle 作为构建工具的项目
重要修复
AOT 编译改进
在 AOT (Ahead-Of-Time) 编译方面,修复了一个关于类加载器自动关闭的问题。这个修复确保了在 AOT 编译环境下,类加载器能够正确工作,避免了潜在的类加载失败情况。
表单数组初始化
修复了表单组件中数组初始化的问题。现在当接收到数组项时,表单能够正确地初始化数组结构,解决了之前可能导致空指针异常或数据丢失的问题。
日志级别调整
将引擎中关于默认注解未找到的消息级别从警告降级为调试级别。这一调整减少了开发环境中的日志噪音,特别是对于那些不依赖这些默认注解的项目。
依赖更新
项目升级了多个关键依赖:
- 将 io.swagger.core.v3:swagger-core 从 2.2.26 升级到 2.2.27
- 更新了 preact signals 库,提升了前端状态管理的性能
总结
Hilla 24.7.0.alpha5 版本虽然是一个预发布版本,但包含了对未来 React 版本的兼容性准备、构建工具的稳定性改进以及多个重要问题的修复。这些改进使得 Hilla 框架在现代化 Web 开发中更加可靠和高效。对于正在使用或考虑使用 Hilla 的开发者来说,这个版本值得关注和测试。
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