在Apple Silicon上使用Flutter Action安装Flutter 2.x版本
随着GitHub Actions逐步将macOS最新运行环境迁移到Apple Silicon芯片(如M1/M2),许多使用较旧Flutter版本的项目遇到了兼容性问题。本文将详细介绍如何通过subosito/flutter-action在基于ARM架构的macOS运行环境中正确安装和运行Flutter 2.x版本。
背景与问题
Flutter 3.0之前的版本(包括2.10.x系列)并不原生支持ARM64架构。这些版本原本设计在Intel芯片(x86_64/amd64架构)上运行,在Apple Silicon设备上需要通过Rosetta 2转译层来执行。
当开发者尝试在macOS 14(即最新的macOS运行环境)上使用flutter-action安装Flutter 2.10.5时,会遇到"Unable to determine Flutter version for channel: stable version: 2.10.5 architecture: arm64"的错误提示,这是因为该版本没有提供ARM64架构的二进制包。
解决方案
要解决这个问题,我们需要明确告诉flutter-action下载x64架构的Flutter版本,而不是默认尝试获取ARM64版本。具体配置如下:
- name: Set up Flutter
uses: subosito/flutter-action@v2
with:
channel: stable
version: 2.10.x
architecture: x64
关键点在于architecture: x64参数,这会强制Action下载适用于Intel芯片的Flutter版本,然后在Apple Silicon设备上通过Rosetta 2自动转译运行。
技术细节
-
架构兼容性:Flutter 3.0是首个原生支持Apple Silicon的稳定版本,之前的版本都需要通过Rosetta 2运行。
-
性能影响:虽然通过Rosetta 2运行会有轻微性能损失,但对于大多数CI/CD场景来说,这种差异可以忽略不计。
-
版本选择:建议使用
2.10.x这样的通配符版本号,让Action自动选择该分支下的最新补丁版本,而不是固定到特定的小版本。
最佳实践
-
长期维护项目:如果项目需要长期维护,建议考虑升级到Flutter 3.0+版本以获得更好的性能和原生支持。
-
明确架构指定:即使在Intel芯片上,明确指定架构也是个好习惯,可以避免未来环境变化带来的意外问题。
-
版本锁定:对于关键项目,建议锁定具体的Flutter版本号,而不是使用通配符,以确保构建一致性。
通过以上方法,开发者可以顺利在最新的Apple Silicon GitHub运行环境中继续使用Flutter 2.x版本进行项目构建和测试。
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