Cats 2.13.0发布:函数式编程工具库的重要更新
Cats是一个广受欢迎的Scala函数式编程库,提供了大量实用的类型类、数据结构和函数式编程抽象。作为Scala生态系统中最重要的函数式编程工具之一,Cats帮助开发者以更优雅、更安全的方式编写函数式代码。
版本亮点
Cats 2.13.0是2.x系列的一个二进制兼容版本,支持Scala 2.12、2.13和3.3,同时兼容Scala.js 1.17和Scala Native 0.5。虽然保持了二进制和源代码兼容性,但建议下游项目开始将sequence_和traverse_函数(及其unordered*和par*变体)替换为新的sequenceVoid、traverseVoid等对应函数。
新特性与改进
新增API功能
-
函数提升工具:新增了
FunctionN.liftN和parLiftN方法,为函数提升操作提供了更便捷的方式。 -
集合操作增强:
- 为
NonEmptyCollection及其所有实现添加了distinctBy方法 - 为
NonEmptyVector添加了Hash和Order类型类实例 - 为
Chain添加了take、takeRight、drop和dropRight方法
- 为
-
Either操作扩展:
- 新增
EitherOps#leftMapOrKeep和EitherOps#leftFlatMapOrKeep方法,为Either类型的左值处理提供了更多选择
- 新增
-
递归支持:
- 添加了
Defer.recursiveFn来辅助递归操作
- 添加了
-
折叠操作增强:
- 新增
unorderedFoldMapA方法 - 添加了
traverseVoid/sequenceVoid及其变体的别名,为未来的API演进做准备
- 新增
-
类型系统改进:
- 使
Later类型变为协变,提高了类型系统的灵活性
- 使
性能优化
- 为
Chain重写了Foldable#toIterable方法,提高了转换效率 - 优化了
Chain.traverseVoid的实现,提升了性能
问题修复
- 修复了alleycats中Set Functor的隐式歧义问题
- 解决了alleycats中
Extract[F[_]]语法获取方式的兼容性问题
文档与内部改进
-
文档方面进行了多处修正和改进,包括:
- 修复了内部链接和文档错误
- 更新了示例代码中的导入语句
- 修正了
foldLeft的签名描述
-
构建系统升级:
- 更新了sbt到1.10.x系列最新版本
- 升级了Scala Native到0.5.x系列
- 将GraalVM从17升级到21
-
代码生成优化:
- 在生成的代码中使用辅助函数,提高了代码质量
向后兼容性说明
虽然2.13.0版本保持了二进制兼容性,但开发团队建议用户开始迁移以下API:
- 将
sequence_替换为sequenceVoid - 将
traverse_替换为traverseVoid - 相应的
unordered*和par*变体也应进行类似替换
这种变化是为了未来的API演进做准备,虽然当前版本仍然支持旧方法,但迁移到新API将使代码更面向未来。
总结
Cats 2.13.0在保持稳定性的同时,通过新增API和性能优化进一步丰富了函数式编程工具集。特别是对集合操作和Either处理的增强,使得开发者能够以更简洁、更高效的方式表达函数式逻辑。对于现有用户来说,这是一个值得升级的版本,特别是考虑到它对未来API演进的准备。新用户也可以从这个版本开始,享受更完善的函数式编程体验。
随着函数式编程在Scala生态系统中的持续发展,Cats库的每一次更新都为开发者提供了更强大的工具,帮助构建更健壮、更易维护的应用程序。2.13.0版本的发布再次证明了这一点。
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
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