DisplayCAL 3.9.16版本发布:专业色彩管理工具的重要更新
DisplayCAL是一款开源的色彩管理工具,主要用于显示器校准和色彩特性描述。它基于ArgyllCMS色彩管理系统,提供了从硬件测量到ICC配置文件生成的全套解决方案。DisplayCAL支持多种色彩测量设备,能够满足专业摄影师、设计师、印刷工作者等对色彩准确性要求较高的用户需求。
跨平台兼容性改进
本次3.9.16版本针对不同操作系统进行了多项优化:
在Windows平台上,修复了Profile Loader中的WPARAM错误消息,解决了启动时出现的wxAnyButton::doSetBitmap()相关错误。特别值得注意的是,Windows用户现在需要避免将显示缩放比例设置超过150%,否则可能导致DisplayCAL无法启动,这个问题已在开发版本中得到修复。
macOS用户安装后需要在终端执行特定命令以解除应用隔离限制。此外,还修复了启动画面背景的gamma偏移问题,使显示效果更加准确。
Linux平台增强了异常处理机制,明确了与DBus相关的异常日志信息,同时修复了在arm64架构上运行测试的问题。
核心功能优化
3.9.16版本对色彩管理核心功能进行了多项改进:
ICC配置文件处理方面,修复了ICCProfile.load()方法在数据已完全读取时的问题,改进了get_info()方法对白点光源标签的识别准确性。meta.prefix标签的生成和显示也得到了修正。
ArgyllCMS集成方面,将大部分相关工具函数从worker模块迁移到argyll模块,优化了版本号获取机制,现在会优先从log.txt中读取版本信息,提高了运行效率,特别是在macOS系统上。
代码质量提升
项目进行了多项代码质量改进工作:
- 放弃了对Python 3.8的支持,移除了Python 2时代遗留的兼容代码和依赖项
- 模块命名规范化,将ICCProfile和CATS模块更名为符合PEP8规范的icc_profile和cats
- 统一了icc_profile模块中枚举变量的命名风格
- 使用locale.getlocale()替代即将废弃的locale.getdefaultlocale()
- 在pyproject.toml中将包名从DisplayCAL改为displaycal,以符合PyPI命名规范
用户体验改进
3.9.16版本包含多项用户体验优化:
- 在显示技术名称中增加了PVA术语,与ArgyllCMS的输出保持一致
- 修复了多处字符串格式化问题
- 更新了推荐的wxPython版本至4.2.0
- 增加了对wxPython 4.2.3的全面测试支持
- 修复了多处可能导致程序崩溃的错误,如递归深度超出限制问题
开发者工具更新
为开发者提供了更好的支持:
- 将tox添加为开发依赖项
- 在构建流程中使用uv工具
- 修复了MainFrame类中的update_menus()和install_argyll_instrument_conf()方法
DisplayCAL 3.9.16版本通过上述改进,进一步提升了色彩管理的准确性和软件的稳定性,为专业用户提供了更可靠的工具支持。无论是日常显示器校准还是专业色彩工作流程,这个版本都值得用户升级使用。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00