TinyMist v0.13.0-rc1 版本发布:支持HTML导出与跨平台兼容性提升
TinyMist 是一个专注于 Typst 文档编译和预览的工具链项目,它为 Typst 用户提供了强大的语言服务器功能、实时预览以及多种格式导出能力。作为 Typst 生态系统中的重要组成部分,TinyMist 致力于提升文档编写和发布的效率。
本次发布的 v0.13.0-rc1 版本带来了多项重要更新,特别是在 HTML 导出功能和跨平台兼容性方面有了显著提升。以下是本次更新的主要技术亮点:
核心引擎升级至 Typst v0.13.0
TinyMist 的核心引擎已完成对 Typst v0.13.0 的适配升级。这一升级不仅带来了 Typst 最新版本的所有功能改进,还确保了 TinyMist 能够充分利用 Typst 的最新特性和性能优化。值得注意的是,TinyMist 团队将同时维护基于 Typst v0.12.0 的 v0.12.x 分支,为用户提供平滑的过渡期。
增强的HTML导出功能
本次版本新增了完整的 HTML 导出支持,这是本次更新的重点功能之一:
-
导出目标配置:新增了
tinymist.exportTarget配置项,允许用户明确指定导出目标格式。设置为paged(默认值)时针对 PDF、PNG 和 SVG 导出优化;设置为html时则针对 HTML 导出进行优化。 -
文本导出支持:在 HTML 导出过程中,TinyMist 现在能够同时生成纯文本(.txt)版本,这一功能特别适用于字数统计等文本分析场景,也为需要纯文本格式的用户提供了便利。
跨平台兼容性提升
TinyMist 继续强化其跨平台支持能力:
-
多架构支持:新增了对 LOONGARCH64 和 RISCV 架构的支持,进一步扩展了 TinyMist 的硬件兼容范围。
-
发布核心组件:团队已将多个核心组件(包括 tinymist-{derive,analysis,std,vfs,world,project}、typlite 和 crityp)发布至 crates.io,方便 Rust 开发者直接集成使用。
开发者体验优化
对于开发者而言,本次更新还包含以下改进:
-
调试符号发布:所有预构建二进制版本现在都附带调试符号文件,大大简化了问题诊断和性能分析过程。
-
安装脚本优化:提供了更完善的 shell 和 PowerShell 安装脚本,简化了在各种平台上的部署流程。
总结
TinyMist v0.13.0-rc1 通过引入 HTML 导出支持和增强跨平台兼容性,进一步巩固了其作为 Typst 生态系统中重要工具的地位。这些改进不仅满足了用户对多样化输出格式的需求,也为开发者提供了更完善的工具链支持。随着核心组件在 crates.io 上的发布,TinyMist 的生态系统也将迎来更广泛的采用和创新。
对于现有用户,建议评估新版本功能并根据项目需求决定升级计划;对于新用户,现在正是体验 TinyMist 强大功能的绝佳时机。
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