KittyCAD建模应用v0.48.0版本发布:3点圆弧工具与壳厚度编辑功能上线
KittyCAD是一款开源的3D建模应用程序,它采用基于代码的建模方式,允许用户通过编写脚本来创建复杂的3D模型。这种参数化建模方法为工程师和设计师提供了极大的灵活性和精确控制能力。最新发布的v0.48.0版本带来了一系列功能增强和错误修复,进一步提升了用户体验。
核心功能更新
1. 3点圆弧草图工具
新版本引入了3点圆弧草图工具,这是基础绘图功能的重要补充。用户现在可以通过指定起点、终点和中间点来快速创建圆弧,相比传统的圆心半径方式更加直观。这一工具特别适合需要精确控制曲线形状的场景,如机械零件设计或建筑轮廓绘制。
2. 壳厚度编辑流程
壳操作(Shell)是3D建模中常用的功能,用于创建具有指定厚度的空心结构。v0.48.0版本新增了专门的壳厚度编辑流程,使调整模型壁厚变得更加便捷。用户可以直接在界面中修改厚度参数,实时预览效果,而无需重新编写脚本。
建模引擎改进
1. 几何变换支持
KCL(KittyCAD语言)现在全面支持在导入几何体时应用变换操作。这意味着用户可以在导入外部模型的同时进行旋转、缩放或平移,简化了工作流程。
2. 多草图旋转/扫描
建模引擎现在能够同时处理多个草图进行旋转(Revolve)或扫描(Sweep)操作。这一改进显著提升了复杂形状创建的效率,特别是在需要生成对称结构或沿路径扫掠多个截面的情况下。
3. 错误处理增强
针对KCL脚本编写过程中的常见错误,新版本提供了更友好的错误提示:
- 改进了数组和对象中缺少逗号时的错误信息
- 处理了使用重复边进行圆角(Fillet)操作时的错误情况
- 增加了对无返回值模块的运行时警告
用户体验优化
1. 错误页面改进
错误处理机制更加完善,现在所有类型的错误都会显示在错误页面,而不仅仅是路由错误。这有助于用户更快地定位和解决问题。
2. 命令面板优化
在编辑流程中,选择类型的参数现在会从命令面板中隐藏,减少了界面干扰,使操作更加专注。
3. 可视化调整
改进了轴网格的渲染顺序,确保它们不会遮挡线段选择。这一看似微小的调整实际上大大提升了复杂模型的选择准确性。
稳定性与兼容性
1. 自动保存机制
实现了路由变更或刷新时的自动磁盘写入功能,有效防止数据丢失。
2. 单位系统改进
修复了混合单位装配体的问题,现在无论项目设置如何,都能正确工作。
3. 交互修复
解决了某些配置下鼠标滚轮缩放失效的问题,提升了跨平台一致性。
总结
KittyCAD v0.48.0版本通过新增3点圆弧工具和壳厚度编辑功能,增强了基础建模能力。同时,KCL引擎的改进使得脚本编写更加顺畅,错误处理更加友好。这些更新共同推动KittyCAD向着更成熟、更易用的参数化建模工具迈进。对于现有用户,建议升级以体验这些改进;对于新用户,现在正是开始探索代码驱动3D建模的好时机。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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