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。
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