Expensify/App 9.1.26-0版本发布:企业报销与用户体验全面升级
Expensify是一款广受欢迎的企业费用管理和报销应用,它通过简化报销流程、自动化费用跟踪和提供智能分析功能,帮助企业高效管理财务。本次发布的9.1.26-0版本带来了一系列重要更新,主要集中在企业报销流程优化、用户界面改进和系统稳定性提升三个方面。
企业报销流程增强
新版本对报销流程进行了多项优化,显著提升了企业用户的使用体验。在银行账户连接环节,新增了"行业分类代码"字段,这一改进使得企业在设置公司信息时能够提供更精确的行业分类数据,有助于系统提供更符合行业特性的报销建议。
对于全球报销功能,开发团队新增了专门的启用文档,详细说明了如何配置和使用这一功能。这使得跨国企业能够更轻松地在不同国家和地区实施统一的报销政策。
在费用报告处理方面,修复了重复费用显示错误系统消息的问题,确保用户在查看报告时获得准确的状态反馈。同时优化了通知首选项的更新逻辑,当用户进行账单拆分操作时,系统会自动将通知偏好设置为"始终",确保重要变更能及时传达给相关人员。
用户界面与交互改进
本次更新对用户界面进行了多处优化,提升了整体使用体验。在卡片管理方面,改进了卡片名称和号码的显示方式,现在当内容过长时会自动换行,避免了信息截断的问题。
工具提示功能得到了增强,新增了关闭按钮("X"),用户现在可以更方便地关闭不需要的提示信息。在账户切换器和搜索/聊天页面,工具提示的显示逻辑也进行了优化,确保只在适当的时候出现。
对于移动端用户,修复了Android平台上提及建议(@mention)的显示间隙问题,使界面更加整洁。同时解决了在Workspace中无法上下滑动报告的问题,提升了触摸操作的流畅性。
系统稳定性与性能优化
在系统架构方面,开发团队进行了多项底层优化。将诊断数据分离到独立文件中,提高了代码的可维护性。同时重用链接配置(linkingConfig)并实现可折叠的独立部分,使应用结构更加清晰。
对于报告和聊天列表的加载过程,新增了骨架屏填充效果,在内容加载时提供视觉反馈,减少了用户等待的焦虑感。在交易线程创建逻辑上进行了调整,停止为"请求资金"操作预先创建线程报告,优化了系统资源使用。
开发者相关改进
在开发者体验方面,更新了Podfile以支持Hermes开发者工具,为React Native开发者提供了更强大的调试能力。同时新增了关于派生值(derived values)的指南到README中,帮助新开发者更快理解项目架构。
测试覆盖范围也有所扩展,新增了资金请求流程的端到端测试,确保核心功能的稳定性。对于Android构建失败的情况,更新了错误提示信息,使问题诊断更加直观。
总结
Expensify/App 9.1.26-0版本通过一系列精心设计的改进,进一步巩固了其作为企业费用管理解决方案的领导地位。从精细化的报销流程到流畅的用户体验,再到稳健的系统架构,每个更新都体现了开发团队对产品质量的不懈追求。这些改进不仅提升了现有用户的使用满意度,也为新用户提供了更加友好和高效的入门体验。
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
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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