Marten项目V7.39.0版本发布:事件溯源与PostgreSQL增强
Marten是一个基于PostgreSQL的.NET事件溯源和文档数据库库,它结合了PostgreSQL的强大功能和.NET开发的便利性。作为一个开源项目,Marten为开发者提供了高效的文档存储、事件溯源支持以及强大的查询能力。最新发布的V7.39.0版本带来了一系列重要改进,特别是在事件流处理、全文搜索和多语言支持方面。
复合部分深度优先处理优化
在文档存储方面,新版本改进了复合部分的处理逻辑。现在Marten会采用深度优先的方式递归处理复合部分,这确保了复杂对象结构的正确序列化和存储顺序。对于包含嵌套对象或集合的文档,这种处理方式能够保证数据一致性和完整性。
PostgreSQL视图差异检测修复
通过升级Weasel依赖库,Marten现在能够更准确地检测PostgreSQL视图的差异。这一改进对于使用数据库视图作为查询抽象层的应用尤为重要,确保了视图定义变更时能够正确识别并应用这些变更。
多语言全文搜索增强
针对国际化应用场景,新版本改进了ngram搜索功能,增加了对unaccent扩展的支持。这意味着现在进行全文搜索时,系统能够更好地处理多语言文本,特别是那些带有重音符号的字符。例如,搜索"café"现在也能匹配到"cafe",大大提升了非英语用户的搜索体验。
事件流版本快速推进API
在事件溯源方面,新增了IEventStream.TryFastForwardVersion() API。这个新接口允许开发者尝试快速推进事件流的版本,而无需实际追加新事件。这对于某些需要乐观并发控制的场景特别有用,比如当多个进程可能同时尝试修改同一事件流时。
主表多租户模型连接字符串加密
安全性方面,新版本增加了对主表多租户模型中连接字符串的加密支持。现在可以使用AES或PgCrypto算法加密这些连接字符串,为多租户应用提供了额外的安全层,防止敏感信息泄露。
元数据代码生成支持记录类型
针对C# 9引入的记录类型(record),Marten现在能够正确生成元数据代码。这一改进使得使用记录类型作为领域模型的开发者能够获得与类(class)相同的功能支持,包括变更跟踪和乐观并发控制等特性。
非陈旧数据等待功能公开
新版本还公开了等待非陈旧数据的功能。这意味着开发者现在可以更直接地控制查询行为,确保在某些需要强一致性的场景下,查询能够等待直到数据达到预期状态,而不是立即返回可能过时的结果。
这些改进共同提升了Marten在复杂应用场景下的表现,特别是在多语言支持、安全性和事件溯源方面的能力得到了显著增强。对于正在使用或考虑使用Marten的.NET开发者来说,V7.39.0版本提供了更强大、更可靠的功能集。
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