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。
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-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-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