Enso 2025.2.1 版本发布:数据科学编程语言与IDE的重大更新
Enso是一款创新的数据科学编程语言和可视化开发环境,它将传统的文本编程与可视化数据流编程完美结合。Enso的设计目标是让数据科学家和分析师能够更直观、高效地处理复杂的数据任务,同时保持编程语言的强大表达能力。
近日,Enso团队发布了2025.2.1-nightly.2025.5.2版本,这是该项目的一个重要里程碑。本次更新在IDE功能、标准库扩展以及语言运行时等方面都带来了显著改进,进一步提升了开发体验和功能性。
核心功能更新
1. 图形化编辑器增强
Enso IDE在此版本中对图形化编辑器进行了多项重要改进:
-
多行文本编辑支持:现在开发者可以直接在图形界面中编辑多行文本字面量,大大提升了处理复杂字符串和文档的便利性。
-
类型注解可视化:类型信息现在会直接显示在图形编辑器中,使得代码的可读性和可维护性得到显著提升。这一特性特别有助于团队协作和代码审查场景。
-
表格表达式语法高亮:新增了对表格表达式的语法高亮支持,使得数据处理相关的代码更加清晰易读。
2. 组件系统改进
Enso的组件系统在此版本中获得了重要升级:
-
参数管理增强:开发者现在可以自由添加和重新排序组件组的参数,这为构建更灵活的组件提供了可能。
-
评估进度可视化:组件评估过程中会显示进度指示,让开发者能够直观了解长时间运行任务的进展状态。
-
智能方法提示:组件浏览器现在会根据可能的类型转换智能显示可用方法,显著提升了开发效率。
3. 安全功能增强
新版本引入了云密钥管理功能,开发者可以直接从IDE浏览和选择云端的密钥值,这为安全敏感的应用开发提供了便利,同时保持了良好的安全实践。
标准库扩展
Enso的标准库在此版本中获得了多项重要扩展,特别是在数据处理领域:
-
固定宽度列数据支持:新增了对固定宽度列数据文件的读取能力,这在处理某些传统系统生成的报表文件时特别有用。
-
行数限制参数:为固定宽度格式添加了行数限制参数,使得开发者能够更灵活地控制数据加载量。
-
Tableau Hyper写入支持:新增了对Tableau Hyper格式的写入支持,这为与Tableau生态系统的集成提供了便利。
语言运行时改进
在语言运行时层面,本次更新带来了以下重要变化:
-
元编程安全增强:现在Meta操作无法访问私有构造函数和私有字段,这增强了代码的封装性和安全性。
-
Truffle框架升级:将Truffle框架升级至24.2.0版本,包括其JavaScript和Python实现。这一升级带来了性能改进和更好的语言互操作性。
-
GraalVM JDK升级:从JDK 21升级到JDK 24,这一变化带来了最新的Java特性和性能优化。
匿名数据收集说明
值得注意的是,此版本会收集匿名使用数据以帮助改进产品。收集的数据包括会话长度、图形编辑事件、错误报告和性能统计等,但不会包含用户的代码内容。团队计划在稳定版本中改为选择加入(opt-in)的数据收集模式。
总结
Enso 2025.2.1-nightly.2025.5.2版本在多个维度上都有显著进步,特别是图形化编辑体验的改进和数据科学相关功能的增强。这些变化使得Enso作为一个数据科学编程平台更加成熟和实用。对于数据科学家和分析师来说,新版本提供了更直观的开发体验和更强大的数据处理能力,值得尝试和评估。
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