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。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust074- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
Hy3-previewHy3 preview 是由腾讯混元团队研发的2950亿参数混合专家(Mixture-of-Experts, MoE)模型,包含210亿激活参数和38亿MTP层参数。Hy3 preview是在我们重构的基础设施上训练的首款模型,也是目前发布的性能最强的模型。该模型在复杂推理、指令遵循、上下文学习、代码生成及智能体任务等方面均实现了显著提升。Python00