Nixpacks v1.31.0 版本发布:增强多语言支持与构建优化
Nixpacks 是一个创新的容器化构建工具,它基于 Nix 包管理器,能够自动检测项目类型并生成优化的容器镜像。该项目由 Railway 团队开发,旨在简化应用程序的容器化过程,特别适合现代云原生应用的部署场景。
核心功能增强
新增 JSONC 配置文件支持
本次更新为 Nixpacks 添加了对 JSONC(JSON with Comments)格式的支持。JSONC 是 JSON 的超集,允许在配置文件中添加注释,这在开发配置中非常实用。现在开发者可以在项目中使用带注释的 JSON 配置文件,Nixpacks 能够正确解析这些文件而不会报错。
Bun.lock 文件支持
随着 Bun 运行时生态的兴起,v1.31.0 版本增加了对 bun.lock 文件的支持。这使得使用 Bun 作为包管理器的 JavaScript/TypeScript 项目能够被 Nixpacks 正确识别和处理,进一步完善了 JavaScript 生态系统的支持。
Node 版本管理改进
本次更新对 Node.js 版本管理进行了多项优化:
- 增加了对 .node-version 文件的基本支持,该文件常用于指定项目所需的 Node.js 版本
- 改进了 LTS(长期支持)版本的选择逻辑,现在会自动选择最新的 LTS 版本
- 新增了缺失的 Node LTS 版本测试用例,确保版本选择的稳定性
语言特定优化
Golang 构建增强
针对 Go 语言项目,v1.31.0 增加了对 cmd 目录的特殊处理。在 Go 项目中,cmd 目录通常包含可执行文件的入口代码,Nixpacks 现在能够识别这种目录结构并做出相应的构建优化。
Rust 工具链更新
更新了 Rust 的 Nix 归档文件,确保使用最新的 Rust 工具链进行构建。这对于依赖最新 Rust 特性的项目尤为重要,同时也能获得更好的编译性能和安全性。
基础设施改进
基础镜像升级
本次发布将基础镜像更新至最新版本(1736208272),包含了最新的系统包和安全补丁。这些基础镜像的更新为构建过程提供了更稳定和安全的环境。
PostgreSQL 依赖更新
将 postgres.dev 依赖更新为 postgresql_16.dev,确保使用 PostgreSQL 16 的最新稳定版本。这对于依赖 PostgreSQL 数据库的项目非常重要,可以获得更好的性能和最新的功能支持。
问题修复与稳定性提升
- 修复了 nixpack plan 生成无效 TOML 文件的问题
- 改进了 stdout 逻辑,确保输出文件的正确性
- 修复了多个 Clippy 提示的代码问题,提高了代码质量
- 澄清了 Node 环境变量的使用说明,减少配置错误
部署文档更新
在部署文档中添加了对 Stacktape 的支持信息。Stacktape 是一个基础设施即代码工具,与 Nixpacks 的结合使用可以简化应用的部署流程。
跨平台支持
v1.31.0 继续提供全面的跨平台支持,包括:
- macOS (aarch64 和 x86_64)
- Windows (aarch64、i686 和 x86_64)
- Linux (多种架构包括 aarch64、arm、i686 和 x86_64)
每种平台都提供了相应的二进制包(tar.gz 或 zip),以及适用于 Linux 的 .deb 包,方便不同环境下的安装和使用。
这个版本通过多项功能增强和问题修复,进一步提升了 Nixpacks 的稳定性和可用性,使其成为现代应用容器化的更强大工具。
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