Fable编译器5.0.0-alpha.11版本发布:增强JS/TS与Rust支持
Fable是一个将F#代码编译为JavaScript、TypeScript、Python等语言的编译器工具链。它让函数式编程语言F#能够运行在多种平台上,特别适合需要跨平台共享代码库的场景。本次发布的5.0.0-alpha.11版本带来了多项重要改进,主要集中在JavaScript/TypeScript目标平台的增强和对Rust语言的支持上。
核心功能增强
JavaScript/TypeScript目标改进
字符串枚举支持全小写转换:新增了CaseRules.LowerAll选项,开发者现在可以方便地将字符串枚举值统一转换为全小写格式,这在需要与某些强制小写的API交互时特别有用。
数值格式化增强:新增了对C(货币)、c、B(二进制)、b和n(数字)格式说明符的支持,使数值格式化能力更接近.NET标准库。同时,编译器现在会检测并报告无效的数值格式说明符,帮助开发者及早发现问题。
日期时间格式化修复:修正了短格式字符串(如重复多个'd')的处理逻辑,确保日期显示格式与.NET行为一致。
异步操作改进:修复了Async.Start和Async.StartImmediate中未捕获异常的传播问题,并明确禁止了Async.RunSynchronously在JS环境中的使用(因为这会阻塞事件循环)。
Rust目标支持
Rust 2024版本支持:新增了对即将发布的Rust 2024语言版本的支持,确保Fable生成的Rust代码能够利用最新的语言特性。
重要问题修复
POJO反射信息缺失:修复了普通JavaScript对象(POJO)反射信息丢失的问题,现在可以正确获取这些类型的信息。
数值转换检查:改进了decimal/bigint到integer的转换检查逻辑,以及decimal到char的转换检查,防止不安全的类型转换。
嵌套类型支持:修复了使用jsOptions时直接访问嵌套类型成员的问题,现在可以链式设置嵌套属性值。
系统包扫描优化:编译器不再扫描系统包寻找插件,提高了编译效率。
行为变更
数值格式错误处理:现在当提供无效的数值格式说明符时,会抛出错误而不是静默失败,这一变更使行为更符合.NET的预期。
总结
Fable 5.0.0-alpha.11版本在保持稳定性的同时,显著增强了JavaScript/TypeScript目标的功能完整性,特别是数值格式化和日期处理方面。对Rust 2024的早期支持也展示了项目对多语言目标的前瞻性考虑。这些改进使得F#代码能够更无缝地转换为目标语言,同时保持与原生.NET相似的行为特性。对于正在使用或考虑使用Fable进行跨平台开发的团队来说,这个版本值得关注和试用。
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