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。
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-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