MaaFramework 4.3.0-beta.4版本发布:增强Pipeline功能与多平台支持
MaaFramework是一个专注于自动化操作的开源框架,它通过Pipeline(流水线)的方式帮助开发者实现复杂的自动化流程。最新发布的4.3.0-beta.4版本带来了多项功能增强,特别是在Pipeline操作和文件支持方面有了显著改进。
核心功能更新
长按动作支持
新版本在Pipeline中新增了对LongPress(长按)动作的支持。这一功能扩展了框架的交互能力,使得自动化脚本可以模拟更丰富的用户操作场景。在移动应用自动化测试或游戏自动化中,长按操作是非常常见的交互方式,这一功能的加入大大提升了框架的实用性。
模板图片递归加载
Pipeline现在支持递归加载文件夹中的模板图片。这意味着开发者可以更高效地组织和管理大量的模板图片资源,只需将它们分类存放在不同的子文件夹中,框架就能自动加载所有层级的图片文件。这一改进显著简化了大型项目的资源管理,特别是在需要处理大量识别模板的场景下。
JSONC格式支持
新版本增加了对.jsonc文件格式的支持。JSONC是带有注释的JSON格式,允许开发者在配置文件中添加说明性文字。这一特性使得Pipeline的配置文件更易于维护和理解,特别是对于复杂的自动化流程配置,注释可以帮助开发者快速理解各个参数的作用。
跨平台支持
MaaFramework继续保持其优秀的跨平台特性,4.3.0-beta.4版本提供了针对多个平台的预编译包:
- Android平台:支持ARM64和x86_64架构
- Linux平台:支持ARM64和x86_64架构
- macOS平台:支持ARM64和x86_64架构
- Windows平台:支持ARM64和x86_64架构
这种广泛的多平台支持确保了开发者可以在各种设备上部署和使用MaaFramework,无论是移动设备还是桌面系统。
技术意义与应用场景
这些更新使得MaaFramework在自动化测试、游戏辅助、批量操作等场景中表现更加出色。长按动作的支持扩展了交互维度,递归加载简化了资源管理,而JSONC格式则提升了配置的可维护性。这些改进共同提升了框架的易用性和功能性,使其成为自动化领域更加强大的工具。
对于开发者而言,这些新特性意味着可以构建更复杂、更可靠的自动化流程,同时减少维护成本。特别是在需要处理大量相似操作或复杂交互逻辑的场景下,新版本的MaaFramework将提供更加优雅的解决方案。
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