Pex工具v2.33.3版本发布:优化Zip64支持与修复关键问题
Pex是一个Python执行环境打包工具,它能够将Python代码及其依赖打包成一个独立的可执行文件。这种打包方式极大简化了Python应用程序的部署过程,使得开发者可以轻松地将应用程序分发给用户而无需担心环境配置问题。
版本亮点
Pex 2.33.3版本主要针对Zip64支持和scie功能进行了重要改进和修复,这些改进使得Pex工具在处理大型文件和特殊场景时更加可靠和高效。
Zip64支持优化
在2.33.3版本中,Pex对Zip64的支持进行了重要改进。Zip64是ZIP文件格式的扩展,用于支持超过4GB的大文件和包含超过65535个条目的归档。之前的版本存在一个问题:即使文件大小在2GB到4GB之间且实际上不需要Zip64扩展,Pex仍会使用Zip64扩展。这导致在Python 3.13之前的版本中无法正确加载这些文件,因为这些版本的zipimporter不支持Zip64扩展。
新版本实现了真正的Zip64支持,只有当文件确实需要Zip64扩展时才会使用它。这一改进使得Pex生成的包能够在更广泛的Python环境中运行,提高了兼容性。
scie功能修复
scie(科学可执行文件)是Pex的一个特性,它允许将Pex文件打包为自包含的可执行文件。2.33.3版本修复了两个与scie相关的重要问题:
-
修复了
--scie-only选项在输出文件名不以.pex结尾时不生成任何输出文件的问题。现在无论输出文件名如何,都能正确生成scie或PEX文件。 -
修复了分割scie时嵌入的PEX文件的问题。现在分割后的scie中嵌入的PEX文件既能保持可执行性,又能保留通过
-o或--output-file指定的预期名称。这一改进确保了分割后的文件行为与预期一致。
技术意义
这些改进对于使用Pex打包大型Python应用程序或需要特殊部署场景的开发者尤为重要。Zip64支持的优化意味着开发者现在可以更自由地打包大型应用而不用担心兼容性问题。scie功能的修复则使得特殊部署场景(如需要分割文件或自定义输出名称)更加可靠。
Pex工具通过这些改进继续巩固其作为Python应用程序打包和分发首选工具的地位,特别是在需要处理复杂依赖或大型代码库的场景中。
升级建议
对于正在使用Pex进行Python应用程序打包的开发者,特别是那些处理大型项目或使用scie功能的开发者,建议尽快升级到2.33.3版本以获取这些重要的修复和改进。升级将带来更好的兼容性和更可靠的打包体验。
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-1.5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