Retrofit 2.12.0 版本发布:流式序列化与性能优化
项目简介
Retrofit 是 Square 公司开发的一款广受欢迎的 Android 和 Java 类型安全的 HTTP 客户端库。它通过将 HTTP API 转换为 Java 接口的方式,简化了网络请求的处理流程,让开发者能够以声明式的方式定义 API 请求,而无需关心底层的网络通信细节。
版本亮点
Retrofit 2.12.0 版本带来了一个重要的新特性:流式序列化支持。这一改进显著提升了 Retrofit 在处理大型请求体时的性能和资源利用率。
流式序列化特性详解
在之前的版本中,Retrofit 的转换器(Converters)会在创建 HTTP 请求时就完成请求体的序列化工作。这意味着:
- 序列化操作会在调用线程上同步执行
- 即使使用异步调用(如
Call.enqueue),序列化仍然在调用线程完成 - 对于大型对象,这可能导致主线程卡顿或内存压力
2.12.0 版本引入了流式序列化功能,允许将序列化过程推迟到 HTTP 请求体实际写入时进行。这一改变带来了以下优势:
- 后台线程执行:当使用
Call.enqueue时,序列化操作会自动转移到后台线程 - 内存效率:减少了内存峰值使用量,特别是处理大型请求体时
- 响应速度:主线程不会被序列化操作阻塞
支持的转换器
目前,以下第一方转换器已支持流式序列化功能,通过新增的 withStreaming() 工厂方法启用:
- Gson 转换器
- Jackson 转换器
- Moshi 转换器
- Protobuf 转换器
- Wire 转换器
开发者只需在创建转换器实例时调用 withStreaming() 方法即可启用这一优化功能。
其他改进
原始类型标签支持修复
2.12.0 版本还修复了原始类型与 @Tag 注解一起使用时的问题。现在,原始类型值会被自动装箱,并以装箱后的类作为键存储,确保了类型安全性。
这一改进使得以下代码能够正常工作:
@GET("/user")
Call<User> getUser(@Tag int userId);
升级建议
对于现有项目,特别是那些处理大型请求体或对性能敏感的应用,建议升级到 2.12.0 版本以获得流式序列化带来的性能优势。升级过程通常只需修改依赖版本号,但需要注意:
- 检查自定义转换器的兼容性
- 评估流式序列化对现有业务逻辑的影响
- 对于需要立即序列化的特殊场景,可以继续使用默认的非流式模式
总结
Retrofit 2.12.0 通过引入流式序列化支持,进一步提升了框架的性能和资源利用率,特别是在处理大型请求体时表现更为出色。这一改进保持了 Retrofit 一贯的简洁 API 设计理念,同时为开发者提供了更高效的网络请求处理能力。结合对原始类型标签支持的修复,这个版本为 Retrofit 生态带来了更加完善的功能体验。
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
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