Mastodon.py 2.0.0版本发布:全面支持Mastodon 4.3.0的重大更新
Mastodon.py是一个用于与Mastodon社交网络API交互的Python库,它提供了简洁的接口让开发者能够轻松地在自己的应用中集成Mastodon的功能。作为目前最成熟的Mastodon API Python客户端之一,Mastodon.py在开发者社区中广受欢迎。
全面重构与类型支持
2.0.0版本是Mastodon.py的一个重大里程碑。最核心的变化是对整个库进行了彻底的重构,为所有实体对象添加了完整的类定义,并在整个库中实现了类型注解。这意味着开发者现在可以获得更好的IDE支持和静态类型检查,大大提高了开发体验和代码质量。
虽然进行了如此大规模的重构,开发团队仍然保持了向后兼容性。现有的代码应该能够继续工作而无需修改,但考虑到变更的规模,建议开发者在升级时进行充分的测试。
支持Mastodon 4.3.0所有特性
这个版本完全支持Mastodon 4.3.0的所有API特性,包括:
-
标签关注功能:新增了
followed_tags、tag_follow、tag_unfollow和tag等方法,允许用户关注特定标签并获取相关内容。 -
趋势内容管理:添加了管理员趋势内容管理功能,包括
admin_trending_tags、admin_trending_statuses、admin_trending_links等方法,以及相关的审批和拒绝操作。 -
通知系统增强:引入了通知分组功能,包括
grouped_notifications、dismiss_grouped_notification等方法,以及通知策略管理API。 -
过滤系统升级:实现了v2版本的过滤器API,提供了更灵活的过滤条件设置,包括关键词过滤和状态过滤。
-
翻译功能:新增了
instance_translation_languages和status_translate方法,支持内容的跨语言翻译。
其他重要改进
除了上述主要功能外,2.0.0版本还包含了许多其他改进:
- 移除了对Python 2.x的支持,删除了six依赖
- 改进了文档字符串,使API使用更加清晰
- 添加了
py.typed标记,表明库支持类型检查 - 修复了多个潜在问题,包括与Python优化模式(-O2)的兼容性问题
- 改进了版本检查机制,默认禁用版本检查以避免问题
- 为所有返回的实体对象添加了JSON序列化和反序列化支持
- 添加了缺失的事件类型和通用事件处理
- 支持自动将datetime对象转换为flake ID用于分页参数
向后兼容性考虑
虽然2.0.0版本保持了向后兼容性,但开发团队也提醒开发者注意:
-
从Mastodon 4.4.0开始,密码授权方式将被移除,建议开发者尽快迁移到OAuth授权流程。
-
流式API现在需要认证才能访问,匿名访问将不再被允许。
-
版本检查模式现在默认设置为"none",因为它带来的问题比解决的问题更多。
总结
Mastodon.py 2.0.0是一个重大更新版本,不仅完全支持最新的Mastodon 4.3.0 API,还通过全面的重构和类型支持大幅提升了库的质量和开发体验。对于正在使用或考虑使用Mastodon API的Python开发者来说,升级到这个版本将带来更好的功能支持和开发效率。
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