Mill构建工具0.12.8版本发布:性能优化与功能增强
项目简介
Mill是一个现代化的Scala构建工具,由Li Haoyi开发。它采用纯Scala编写,具有声明式、模块化和可扩展的特点。Mill的设计理念强调简单性和可预测性,通过提供清晰的构建定义语法和可靠的增量编译机制,显著提升了开发者的构建体验。
版本亮点
内存优化改进
0.12.8版本重点解决了在大规模项目中可能出现的OOM(内存溢出)问题。通过优化transitiveCoursierProjects的实现,显著降低了构建过程中的内存消耗。这一改进特别有利于包含大量模块的企业级项目,使得Mill在处理复杂依赖关系时更加高效稳定。
任务源处理增强
新版本引入了对Task.Source和Task.Sources的直接构造支持,开发者现在可以使用字符串字面量来创建这些对象。这一语法糖简化了构建脚本的编写,提高了代码的可读性。例如,现在可以直接使用路径字符串来定义任务源,而不需要额外的转换步骤。
多语言项目支持文档
针对现代开发中常见的多语言项目场景,0.12.8版本新增了详细的文档示例。这些文档指导开发者如何在Mill中配置和管理包含多种编程语言(如Scala、Java、Python等)的项目,为跨语言开发提供了标准化的构建方案。
Spark集成示例
考虑到大数据处理的普遍需求,此版本特别添加了Scala Spark项目的构建示例文档。这些示例展示了如何配置Mill来构建和打包Spark应用程序,包括依赖管理、资源处理和部署配置等关键环节,为数据工程师提供了开箱即用的参考方案。
JVM子进程处理优化
通过重构和统一JVM子进程与进程内函数的处理逻辑,新版本提高了构建过程的稳定性和一致性。这一改进使得Mill在不同执行环境下的行为更加可预测,减少了因环境差异导致的问题。
废弃功能标记
0.12.8版本开始标记--disable-ticker和--enable-ticker选项为废弃状态,为未来的移除做准备。开发者应当开始迁移到替代方案,以避免后续版本兼容性问题。
技术细节解析
依赖解析优化
新版本将resolvedRunIvyDeps和transitiveLocalClasspath的解析过程分离为两个独立阶段,这一架构调整显著改善了构建assembly jar时的性能。通过减少不必要的重复计算和优化依赖解析顺序,构建速度得到了可观的提升。
Android构建改进
针对Android项目的构建流程,修复了测试独占标志(exclusive flag)的处理问题。这一修复确保了Android测试任务能够正确识别和执行,提高了移动开发场景下的构建可靠性。
升级建议
对于现有项目,升级到0.12.8版本是推荐的,特别是:
- 大型项目开发者将受益于内存优化
- 多语言项目团队可以参考新增的文档示例
- Spark开发者可以利用新的集成指南
- 使用过时选项的项目应开始迁移准备
升级过程通常只需修改Mill版本号,但使用废弃选项的项目需要相应调整构建配置。
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
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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