Vedo项目v2025.5.4版本发布:科学可视化工具的重要更新
Vedo是一个基于VTK的Python科学可视化库,它提供了简洁高效的API接口,让科研人员和工程师能够轻松创建复杂的3D可视化效果。该库广泛应用于医学影像处理、计算流体力学、分子模拟等多个科学计算领域。
核心功能改进
本次发布的v2025.5.4版本带来了多项重要改进,其中最值得关注的是新增了对STEP文件格式的支持。STEP文件是工业设计领域广泛使用的3D模型交换格式,此次集成使得Vedo能够直接处理来自CAD软件的模型数据。需要注意的是,这一功能依赖于opencascade库的支持。
在化学可视化方面,新版本引入了专门的化学模块,用于分子和蛋白质结构的可视化表示。这一功能为生物化学和药物研发领域的用户提供了更专业的工具支持。
性能优化与算法增强
版本中对法向量计算进行了惰性初始化优化,这一改进显著提升了处理大型网格时的性能表现。当网格对象的法向量未被使用时,系统将不会进行不必要的计算,从而节省计算资源。
新增的utils.compute_hessian()函数提供了计算Hessian矩阵的能力,这对分析曲面几何特性和进行高级数学可视化非常有帮助。同时,Box类的实现也得到了修正,现在能够正确处理边界输入并自动计算X/Y/Z方向的长度。
问题修复与稳定性提升
本次更新修复了多个影响用户体验的问题,包括:
- 修复了在Jupyter Notebook中使用k3d后端时单元格着色的问题
- 解决了
scalarbar3d()函数处理NaN值时的异常情况 - 修正了
line.find_index_at_position()方法的实现缺陷 - 改进了文档中示例链接的准确性
API改进与使用便利性
新版本增加了.rename()方法,允许用户为任何可视化对象设置自定义名称,这在进行复杂场景管理和对象识别时特别有用。同时,对文件I/O模块进行了优化,提升了数据读写的稳定性和兼容性。
应用示例
本次更新配套提供了多个新的示例代码,包括:
- 函数曲面绘制(
plot_fxy0.py) - 图像编辑工具(
image_editor.py) - 符号回归可视化(
pysr_regression.py) - 分子结构展示(
chemistry1.py)
这些示例不仅展示了新功能的使用方法,也为用户提供了可直接参考的实现模板。
总结
Vedo v2025.5.4版本通过引入新功能、优化性能和修复问题,进一步巩固了其作为Python科学可视化首选工具的地位。特别是对工业标准格式的支持和化学可视化模块的加入,扩展了库的应用场景。这些改进使得科研工作者能够更高效地进行数据分析和结果展示,推动科学计算可视化的发展。
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