Neutralinojs 5.6.0版本发布:本地资源服务与窗口快照功能升级
Neutralinojs是一个轻量级的跨平台桌面应用开发框架,它允许开发者使用HTML、CSS和JavaScript等Web技术构建原生应用。与Electron等传统方案不同,Neutralinojs运行时非常轻量,应用打包后体积小巧,同时保持了跨平台兼容性。
本地资源服务API增强
在5.6.0版本中,Neutralinojs引入了一个重要的新功能——server命名空间。这个功能解决了长期以来开发者面临的一个痛点:无法直接使用file://协议加载本地资源文件。出于安全考虑,Neutralinojs默认禁用了file://协议,这导致开发者不得不通过文件系统API来读取本地文件,增加了开发复杂度。
新版本通过server.mount(path, target)方法,允许开发者将本地目录映射到Neutralinojs的静态服务器上。例如,开发者可以将应用资源目录映射到服务器路径,然后通过HTTP协议访问这些资源。这种方式既保证了安全性,又简化了本地资源访问的流程。
对应的server.unmount(path)方法可以移除已创建的映射,而server.getMounts()则能获取当前所有的映射配置。这一组API为处理本地资源提供了更加灵活和安全的方式。
资源管理功能改进
resources命名空间也在此版本中获得了重要更新:
- 当
NL_RESMODE设置为directory时,系统会自动回退到原生文件系统API,提高了兼容性 - 新增
resources.getStats(path)方法,用于获取资源文件的统计信息 - 新增
resources.extractDirectory(path, destination)方法,支持提取整个资源目录
特别值得注意的是,新版本修复了处理大型resources.neu文件时可能出现的问题,并改进了resources.extractFile()方法,现在它会自动创建不存在的目标目录,进一步提升了开发体验。
窗口管理功能增强
window命名空间新增了window.snapshot(path)方法,开发者现在可以轻松捕获应用窗口并保存为PNG格式的图片文件。这对于需要实现截图功能的应用程序来说是一个实用的补充。
此外,团队修复了Windows平台上window.getTitle()方法返回空字符串的问题,提高了API的可靠性。
开发工具链优化
在DevOps方面,5.6.0版本修复了BuildZri自动化脚本中的字符串格式化问题,并解决了测试套件中的多种失败场景,提升了开发流程的稳定性和可靠性。
对于现有项目,开发者只需将配置文件中的cli.binaryVersion更新为5.6.0,然后运行neu update命令即可获取新版本。这些改进使得Neutralinojs在保持轻量级特性的同时,提供了更强大的功能和更稳定的开发体验。
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