Hydrus Network v625版本更新:评级系统优化与用户体验提升
Hydrus Network是一款功能强大的数字媒体管理工具,专为收藏家、研究人员和数字内容管理专业人士设计。它提供了强大的元数据管理、文件组织和搜索功能,能够高效处理大量多媒体文件。本次v625版本更新带来了多项重要改进,主要集中在评级系统优化、文件关系管理增强以及整体用户体验提升等方面。
评级系统改进
新版本对评级系统进行了多项优化,使评分操作更加灵活直观:
-
图标间距自定义:在"服务→管理服务"中,所有数值评级服务新增了"图标间距"选项,允许用户调整星标之间的间距。设置为0时可恢复旧版的"加载条"样式展示方式。
-
评级管理对话框布局优化:重新设计了评级管理对话框的布局,使操作更加清晰明了。
-
自动命名功能:在"选项→GUI页面"中新增了两个复选框,允许客户端在创建新"页面组"或"发送页面到新页面组"时自动提示用户命名。
选项菜单重构
v625版本对选项菜单进行了系统性重构,使功能分类更加合理:
-
快捷键设置迁移:将"文件→快捷键"功能移至"文件→选项→快捷键"下,普通模式现在也可以查看自定义快捷键面板。
-
分类选项重组:
- "选项→排序/收集"拆分为"标签排序"和"文件排序/收集"
- 媒体查看器相关选项重新组织,悬停/背景选项移至新的"选项→媒体查看器悬停"
- 会话相关设置从GUI页面选项中分离,移至新的"选项→GUI会话"
-
性能优化:所有"选项→速度和内存"下的内容现在默认折叠显示,整体选项对话框高度也有所缩减。
文件关系管理增强
新版本对文件关系系统进行了多项改进:
-
选择性删除误报关系:新增"文件关系:删除选定范围内的误报关系"快捷命令,允许用户仅删除选定文件之间的误报关系,而非全部已知误报。
-
操作反馈增强:执行各种"删除误报"操作时,现在会弹出提示显示已删除的数量。
-
菜单优化:重新组织了"文件关系"文件菜单,使其布局更合理,并明确显示无关系文件的状态。
-
合并逻辑优化:清理了重复合并逻辑,使用统一调用替换了临时解决方案。当合并两个文件时,现在能更智能地移除冗余可能性,并正确清除合并后的确认替代列表。
重复文件处理改进
-
透明文件处理:当比较两个文件是否为视觉重复时,如果任一文件具有透明度,现在会给出否定结果。
-
自动解决规则预览优化:自动解决规则的"预览"面板现在以随机顺序获取每对文件,解决了之前按固定顺序处理时效率低下的问题。
-
性能提升:半自动解决规则审查中的批准/拒绝按钮现在在后台线程中工作,不再阻塞大作业时的UI。
订阅与下载优化
-
列表更新性能:核心多列列表更新例程显著优化,批量添加项目时现在能一次性选择所有项目,大幅提升了操作速度。
-
订阅管理:粘贴查询到订阅时,如果某些查询已存在但处于DEAD状态,现在会询问用户是否要恢复它们。
-
带宽管理:网络任务从Post URL下载文件时,现在会同时向Post URL的域名注册带宽使用量,解决了文件域名带宽规则被忽略的问题。
其他实用改进
-
页面折叠功能:页面标签菜单新增"折叠页面"子菜单,可将多个页面的文件合并到一个新的锁定搜索页面中。
-
回收错误处理:当尝试将文件发送到系统回收站出现0x80270021错误时,现在会自动重试两次。
-
SVG缓存更新:在"服务→管理服务"中打开具有星标的评级服务的编辑面板时,客户端现在会重新填充所有当前自定义SVG的缓存。
-
性能优化:解决了潜在的线程死锁问题,所有线程作业初始化速度略有提升,Blurhash生成效率也有所提高。
技术底层改进
-
依赖管理:从不需要pyinstaller的requirements.txt中移除了setuptools。
-
类型定义更新:将所有typing.Collection样式类型定义替换为collections.abc等效项,并将基本typing.List样式类型定义替换为标准list等效项。
-
测试套件优化:重构了"数据库重复项"单元测试,将其分解为更原子化的测试模块。
本次更新体现了Hydrus Network对用户体验的持续关注,通过优化核心功能和改进界面交互,使这款专业媒体管理工具更加易用高效。特别是文件关系管理和重复处理方面的改进,将显著提升大型媒体库的管理效率。
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
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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