Stream Chat Swift 4.77.0版本发布:增强投票功能与设备管理
Stream Chat Swift是一个为iOS平台设计的现代聊天SDK,它提供了构建实时聊天应用所需的所有核心功能。该SDK以其高度可定制性、丰富的功能集和出色的性能而闻名,被广泛应用于社交、客服和协作类应用中。
投票功能增强
在4.77.0版本中,Stream Chat Swift对投票功能进行了多项重要改进。首先,新增了ChatChannelController.deletePoll()方法,使开发者能够通过编程方式删除不再需要的投票。这一功能特别适用于需要清理过期或不当内容的应用场景。
权限控制方面也得到加强,新增了两个关键能力标志:
ChatChannel.canSendPoll:判断当前用户是否具备在特定频道创建投票的权限ChatChannel.canCastPollVote:判断当前用户是否具备在特定频道参与投票的权限
这些能力标志为开发者提供了更精细的权限控制手段,可以基于用户角色动态调整界面元素。例如,在聊天界面中,可以根据canSendPoll标志决定是否显示"创建投票"的按钮选项。
用户团队角色支持
4.77.0版本引入了对用户团队角色的支持。这一特性允许开发者为用户分配不同的团队角色,实现更复杂的组织结构和权限管理。团队角色可以用于控制用户对特定频道或功能的访问权限,为企业级应用提供了更灵活的用户管理方案。
设备管理优化
在设备管理方面,本次更新对登出流程进行了重要改进。ChatClient.logout()方法现在新增了一个removeDevice参数,允许开发者明确指定是否要从服务器移除当前设备记录。更重要的是,该方法现在会自动处理设备移除逻辑,如果设备尚未被移除,系统会在登出时自动执行这一操作。
这一改进简化了设备管理流程,减少了开发者需要手动处理的边缘情况,同时也提高了应用的安全性,确保不再使用的设备不会保留无效的推送令牌。
UI修复与改进
在用户界面方面,4.77.0版本修复了几个关键问题:
- 修复了投票创建按钮的显示逻辑,现在会正确检查用户权限后再决定是否显示该选项
- 解决了发送包含浮点数尺寸图片时可能出现的错误,提高了媒体分享的稳定性
这些改进使得Stream Chat Swift在构建包含丰富交互功能的聊天应用时更加可靠和易用。无论是社交应用中的投票活动,还是企业协作中的团队讨论,新版本都提供了更完善的解决方案。
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-1.5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