Valibot v1.0.0-rc.1 版本发布:更强大的数据验证功能
Valibot 是一个轻量级的数据验证库,专注于为开发者提供简洁而强大的数据验证解决方案。通过模块化的设计,Valibot 允许开发者根据项目需求灵活组合各种验证规则,同时保持极小的包体积。在即将发布的 1.0.0 正式版之前,Valibot 团队带来了这个重要的候选版本,引入了多项实用的新功能和改进。
新增比较验证操作
在数据验证场景中,数值比较是最常见的需求之一。v1.0.0-rc.1 版本新增了两个专门用于数值比较的验证操作:
gtValue- 验证输入值是否大于指定值ltValue- 验证输入值是否小于指定值
这两个操作极大地简化了数值范围的验证逻辑。例如,验证用户年龄是否大于18岁,现在可以简单地使用 gtValue(18) 来实现,代码更加直观和易读。
多值验证的便捷方式
处理多值验证时,开发者通常需要编写复杂的逻辑来判断输入值是否在允许的列表中。新版本引入了两个专门为此设计的操作:
values- 验证输入值是否在指定的值列表中notValues- 验证输入值是否不在指定的值列表中
这些操作使得多值验证变得异常简单。例如,验证用户选择的颜色是否是红、绿或蓝,可以使用 values(['red', 'green', 'blue']),代码简洁明了。
新增 URL slug 验证
在Web开发中,URL slug 的验证是一个常见需求。v1.0.0-rc.1 版本新增了专门的 slug 操作来验证URL slug的格式。这个验证器会检查输入是否符合常见的slug规范,包括只包含小写字母、数字和连字符,以及不以连字符开头或结尾等规则。
优化包体积的工具函数
Valibot 一直注重保持轻量级的特性。在这个版本中,团队新增了 entriesFromObjects 工具函数,这个实用工具可以帮助开发者更好地利用现代打包工具的tree shaking功能,进一步减小最终打包体积。这对于追求极致性能的现代Web应用尤为重要。
总结
Valibot v1.0.0-rc.1 版本通过新增这些实用的验证操作和工具函数,进一步提升了开发者在数据验证场景下的开发体验。从基本的数值比较到复杂的多值验证,再到专门的URL slug验证,这个版本覆盖了更广泛的使用场景。同时,对包体积的持续优化也体现了Valibot团队对性能的重视。这些改进使得Valibot在即将到来的1.0.0正式版前更加成熟和完善。
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-1.5暂无简介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