ORT 52.0.0版本发布:全面升级扫描器插件API与命令行工具
OSS Review Toolkit(简称ORT)是一个开源合规性分析工具链,它能够帮助开发者和企业自动化管理开源软件的使用合规性。ORT通过集成多种开源工具,提供从依赖识别、许可证扫描到策略检查等全流程的合规性解决方案。
重大变更:扫描器插件API与命令行工具重构
本次52.0.0版本带来了两项重要的架构改进:
-
全新的扫描器插件API:开发团队对扫描器插件接口进行了全面重构,新的API设计更加清晰和模块化。这意味着插件开发者需要更新他们的实现以适应新的接口规范。这一改进为未来更多扫描器类型的集成奠定了更好的基础。
-
命令行工具重构:特别值得注意的是ScanCode命令行选项的格式变更。现在所有选项必须使用逗号分隔,而不是之前的空格分隔。例如,配置文件中原来的
--copyright --license --info现在需要写成--copyright,--license,--info。这一变更虽然需要用户调整配置,但带来了更好的参数解析一致性和可维护性。
功能增强与改进
本次更新还包含多项功能增强:
-
新增插件列表命令:CLI工具现在提供了
list-plugins命令,用户可以方便地查看已安装的所有插件及其版本信息,这对于调试和系统维护非常有用。 -
SPDX许可证映射增强:SPDX工具组件增加了更多已弃用许可证的映射关系,并提供了更简单的许可证到SPDX表达式的映射接口。这使得许可证识别和处理更加准确和灵活。
-
Gradle构建优化:Docker构建过程中现在会预先创建
$HOME/.gradle目录并设置正确的权限,解决了某些环境下的构建问题。
代码质量与维护改进
开发团队在本版本中进行了大量代码优化工作:
- 移除了过时代码,简化了命令实现
- 改进了枚举类型的使用方式,推荐使用
entries而非values() - 增强了依赖关系比较逻辑
- 优化了Semver版本号解析
- 增加了必要的空值检查
- 统一了术语使用,如将"custom mapping"改为更准确的"simple mapping"
依赖项更新
项目依赖的多项关键组件得到了更新:
- ScanOSS扫描器升级至0.10.0版本
- JSON Schema验证器更新至1.5.6
- Spring Core升级到6.2.3
- AWS S3 SDK更新至2.30.21
- Mordant终端输出库升级到3.0.2
- Kotlin Symbol Processing工具链同步更新
总结
ORT 52.0.0版本标志着该项目在架构现代化道路上迈出了重要一步。新的插件API和命令行工具重构虽然带来了短期内的适配成本,但为项目的长期可维护性和扩展性奠定了更好的基础。同时,多项功能增强和质量改进使得ORT在开源合规性分析领域继续保持领先地位。
对于现有用户,建议仔细阅读变更说明,特别是ScanCode命令行选项格式的变化,并相应调整配置文件。新用户可以借助改进后的插件列表命令更快地了解系统能力。这些改进共同使得ORT在管理开源合规性方面更加可靠和高效。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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