Pex工具v2.29.0版本发布:增强密钥环认证与PEP-723支持
Pex是一个Python执行环境打包工具,它能够将Python代码及其依赖项打包成单个可执行文件,便于分发和部署。Pex通过创建自包含的Python环境,解决了Python应用依赖管理的痛点,特别适合需要严格控制依赖版本的生产环境。
密钥环认证支持
在v2.29.0版本中,Pex首次原生支持了Pip的--keyring-provider选项。这一改进使得开发者能够更方便地使用密钥环(keyring)进行认证,而不再需要依赖环境变量或Pip配置文件。
密钥环认证是Python包管理中的重要安全特性,它允许开发者安全地存储和访问私有仓库的认证凭据。新版本特别支持了subprocess提供者模式,这意味着Pex可以在保持其hermetic(密封)特性的同时,通过外部进程访问系统密钥环服务。开发者只需确保系统PATH中有可用的密钥环提供程序即可使用这一功能。
PEP-723脚本依赖锁定
另一个重要更新是对PEP-723标准的支持。PEP-723定义了一种在Python脚本中直接声明依赖项的方式,类似于Node.js的package.json。在v2.29.0中,Pex现在能够识别并处理这些内联依赖声明。
开发者现在可以使用pex3 lock create --exe <script>或pex3 lock sync --exe <script>命令,Pex会自动提取脚本中的PEP-723依赖声明并将其包含在锁文件中。这一特性极大地简化了脚本项目的依赖管理流程,使得脚本分享和重用更加方便。
技术实现考量
在实现密钥环支持时,Pex团队特别注意了工具的核心原则——hermetic构建。虽然支持了import模式的密钥环提供者,但由于这会破坏构建的确定性,团队推荐使用subprocess模式。这种设计选择体现了Pex对构建可靠性和可重复性的坚持。
对于PEP-723的支持,Pex采用了灵活的解析策略,能够正确处理脚本中的依赖声明,同时保持与现有依赖解析逻辑的兼容性。这意味着开发者可以逐步采用这一新特性,而无需担心破坏现有工作流程。
总结
Pex v2.29.0通过引入密钥环认证支持和PEP-723标准兼容性,进一步巩固了其作为Python打包工具的领导地位。这些更新不仅增强了工具的功能性,也提升了开发者的使用体验。对于需要严格依赖管理和安全认证的企业环境,以及需要简化脚本分发的开发者来说,这一版本都提供了重要的价值提升。
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-1.5暂无简介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