DuckDuckGo iOS 7.156.0版本发布:隐私浏览器与AI功能升级
DuckDuckGo作为知名的隐私保护搜索引擎,其iOS客户端一直致力于为用户提供安全、私密的浏览体验。最新发布的7.156.0版本带来了多项重要更新,包括DuckPlayer视频播放器的改进、AI聊天功能的增强、密码管理优化以及用户界面体验的提升。
DuckPlayer视频播放器重大升级
本次更新对DuckPlayer视频播放器进行了两项重要改进:
-
全屏播放优化:现在当用户旋转手机时,视频会自动进入全屏模式,提供更好的观看体验。这一改进解决了之前版本中需要手动切换全屏的问题。
-
原生播放器概念验证:开发团队引入了一个原生播放器的概念验证(PoC)版本。这个新版本改进了Webview存储和导航协调机制,为未来可能完全转向原生播放器奠定了基础。同时移除了与实验性功能相关的冗余代码,使播放器更加稳定。
AI聊天与小组件增强
在人工智能功能方面,本次更新带来了显著改进:
-
锁屏小组件优化:针对Duck.ai的锁屏小组件进行了多项改进,提升了稳定性和响应速度。用户现在可以更方便地通过锁屏快速访问AI聊天功能。
-
调试工具增强:开发团队为AI聊天功能添加了更完善的调试工具,这将帮助开发者更快定位和解决问题,同时也为未来功能的迭代提供了更好的支持基础。
密码管理与同步功能
密码管理方面有两个值得关注的改进:
-
密码保存像素更新:修复了密码保存时的像素上报问题,确保后台能够准确统计相关数据。
-
同步UI重构:将SyncUI模块重命名为SyncUI-iOS,这一看似简单的改动实际上是为未来的跨平台同步功能做准备,使代码结构更加清晰。
用户体验与界面改进
本次更新包含多项用户体验优化:
-
旋转后UI刷新:修复了设备旋转后界面状态不正确的问题,现在UI能够正确更新。
-
网站图标提示:当用户关闭设置页面时,如果启用了获取网站图标功能,现在会正确显示提示信息。
-
Apple ID术语更新:根据苹果公司的最新命名规范,将界面中的"Apple ID"统一更新为"Apple Account"。
-
无障碍标签恢复:重新添加了之前版本中缺失的无障碍标签,提升了辅助功能的使用体验。
底层架构与稳定性
在技术架构方面,本次更新包含多项重要改进:
-
用户分段迁移:将用户分段逻辑从iOS端迁移至BSK(基础服务框架),这有助于统一管理用户属性,提高系统可维护性。
-
网络连接测试:改进了网络启动时的连接测试机制,使其在失败时不会影响网络的正常启动。
-
反馈视图模型:修复了反馈视图模型频繁实例化的问题,提高了性能表现。
-
用户代理字符串:现在从像素请求的用户代理字符串中去除了操作系统版本的补丁组件,使统计更加准确。
安全与隐私增强
作为以隐私为核心的产品,本次更新也包含了多项安全改进:
-
DuckPlayer导航像素移除:移除了DuckPlayer中的导航追踪像素,进一步减少数据收集。
-
Web扩展支持:为内部用户提供了macOS上的Web扩展支持,这是未来可能向所有用户推出的功能的前期测试。
-
自动同意更新:将autoconsent组件更新至v12.8.0版本,包含了最新的隐私保护规则。
开发者相关改进
对于开发者而言,本次更新也包含多项实用改进:
-
PR检查流程优化:修复了PR检查时代码检出问题,并添加了子模块克隆步骤,使持续集成流程更加可靠。
-
测试失败报告:改进了测试失败报告部分的ID变量命名,使日志更加清晰易读。
-
认证流程重构:开始引入认证v2相关类,为未来的认证系统升级做准备。
总结
DuckDuckGo iOS 7.156.0版本是一个功能丰富的中期更新,在视频播放、AI功能、密码管理和用户体验等多个方面都有显著提升。特别是DuckPlayer原生播放器的概念验证和AI小组件的改进,展示了团队在核心功能上的持续投入。同时,底层的架构优化和安全增强也体现了DuckDuckGo对隐私保护和技术质量的承诺。这些改进共同为用户提供了更加流畅、安全和私密的移动浏览体验。
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
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