Orbit-MVI 10.0.0 发布:全面拥抱 Kotlin 多平台开发
Orbit-MVI 是一个基于 Kotlin 的现代化 MVI(Model-View-Intent)架构框架,它通过响应式编程和单向数据流的设计理念,帮助开发者构建可维护、可测试的应用程序。在最新发布的 10.0.0 版本中,Orbit-MVI 实现了对 Kotlin 多平台(KMP)的全面支持,为跨平台开发带来了全新的可能性。
多平台支持成为核心特性
10.0.0 版本最显著的改进是全面支持 Kotlin Multiplatform 的所有目标平台。这意味着开发者现在可以在 iOS、Android、Web、桌面等多个平台上共享业务逻辑代码,同时保持各平台原生 UI 的优势。这一变化使 Orbit-MVI 成为跨平台开发的强大工具。
ViewModel 与 Compose 多平台支持
新版本特别强化了对 ViewModel 和 Compose 多平台的支持:
-
ViewModel 多平台:现在可以在共享代码中直接使用 ViewModel,而不必担心平台差异。这为状态管理提供了统一的解决方案。
-
Compose 多平台:新增的 Compose 多平台支持允许开发者在不同平台上使用相同的声明式 UI 代码。框架还提供了一个全新的 Compose 多平台示例应用,帮助开发者快速上手。
测试功能增强
测试方面有两个重要改进:
-
自动初始状态检查:测试时框架会自动验证初始状态,不再需要手动调用
expectInitialState()。如果需要自定义行为,可以通过TestSettings.autoCheckInitialState进行配置。 -
expectStateOn 方法:新增的这个方法特别适合测试密封类(sealed class)表示的状态,使状态断言更加直观和类型安全。
API 变更与优化
核心模块变更
blockingIntent 现在改为扩展函数,这一变化虽然带来了轻微的 API 破坏性变更,但使 API 设计更加一致和 Kotlin 友好。
Compose 模块清理
移除了 ContainerHostExtensionsKt 中已弃用的 collectState 函数,简化了 API 表面。
ViewModel 模块增强
新增了对 kotlinx 序列化的支持,使得通过 SavedStateHandle 保存和恢复状态变得更加方便和安全。
技术实现亮点
-
移除了 AtomicFu 依赖:改用 Kotlin 标准库的实现,减少了外部依赖,提高了框架的稳定性。
-
测试包装改进:确保
runTest正确包装测试,提供更可靠的测试环境。 -
性能优化:移除了
RealContainer中的runBlocking调用,提升了协程使用的效率。
开发者体验提升
新版本提供了丰富的示例代码,特别是新增的 Compose 多平台示例应用,展示了如何在实践中使用这些新特性。例如,示例中包含了 Compose TextField 状态提升的典型用法,帮助开发者理解如何在 MVI 架构中处理用户输入。
Orbit-MVI 10.0.0 的这些改进标志着框架向多平台开发迈出了重要一步,为 Kotlin 全栈开发者提供了更强大的工具集。无论是构建跨平台应用,还是需要在不同平台上共享业务逻辑,新版本都能提供优雅的解决方案。
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