Sanity v3.72.0 版本发布:便携式文本编辑器优化与多项功能改进
Sanity 是一个现代化的内容管理平台,它提供了一个灵活且可定制的内容工作室(Studio),允许开发者快速构建内容管理系统。Sanity 的核心优势在于其实时协作能力、强大的查询语言以及可扩展的架构设计。
本次发布的 v3.72.0 版本带来了多项重要改进,主要集中在便携式文本编辑器的内容序列化优化、历史记录功能修复以及 Shopify Hydrogen 等框架的兼容性提升。下面我们将详细介绍这些更新内容。
便携式文本编辑器内容序列化优化
便携式文本编辑器(Portable Text Editor,简称 PTE)是 Sanity 中处理富文本内容的核心组件。在本次更新中,团队对 PTE 的内容序列化机制进行了显著改进:
-
跨应用粘贴体验提升:现在当用户从 PTE 复制内容并粘贴到外部应用程序(如 Notion 或 Word)时,高级格式(如列表和链接)能够更可靠地保留。这得益于改进的 text/html 序列化处理逻辑。
-
文档间粘贴一致性增强:在不同文档的便携式文本字段之间进行复制粘贴时,编辑器现在能够智能地过滤掉目标文档不支持的对象类型和注释。这一改进确保了兼容内容的无缝粘贴,同时避免了不兼容内容导致的格式混乱。
这些改进使得内容创作者在跨平台、跨文档工作时能够获得更加流畅的体验,减少了因格式丢失或内容不兼容而需要手动调整的工作量。
重要问题修复
本次版本还包含多个关键问题的修复:
-
GraphQL 模式生成修复:解决了当文档内部引用同类型文档时可能导致"maximum call stack size exceeded"错误的问题。这一修复确保了复杂文档引用关系的正确处理。
-
历史记录加载问题:修复了在打开"历史→查看更改→历史"面板时历史记录无法加载的问题。现在用户可以正常查看和比较文档的历史版本。
-
框架兼容性改进:针对 Shopify Hydrogen、Remix 和 Astro 等现代前端框架中使用嵌入式工作室和 Presentation 功能时出现的环境变量错误进行了修复。这使得在这些框架中集成 Sanity 变得更加稳定可靠。
技术细节与开发者指南
对于开发者而言,升级到 v3.72.0 版本需要注意以下几点:
-
升级路径:如果从早于 3.37.0 的版本升级,需要特别注意依赖项的更新。建议按照官方升级指南逐步进行。
-
新功能适配:便携式文本编辑器的改进是向后兼容的,不需要额外配置即可享受新功能带来的好处。
-
错误处理:对于之前遇到 GraphQL 模式生成错误或历史记录问题的项目,升级后这些问题将得到解决。
总结
Sanity v3.72.0 版本通过优化便携式文本编辑器的内容处理能力,显著提升了内容创作的流畅性和一致性。同时,多项关键问题的修复使得平台在各种使用场景下更加稳定可靠。这些改进不仅提升了终端用户的使用体验,也为开发者提供了更加健壮的基础设施。
对于正在使用 Sanity 的团队,建议尽快评估并计划升级,以充分利用这些改进带来的好处。特别是那些依赖复杂文档引用关系或需要在不同平台间频繁迁移内容的项目,本次更新将带来明显的体验提升。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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