Qt Creator 17.0 Beta2发布:新一代跨平台IDE的全面升级
Qt Creator作为Qt官方推出的跨平台集成开发环境,近日发布了17.0版本的第二个Beta测试版。这个版本带来了多项功能增强和问题修复,进一步提升了开发者的使用体验。
核心功能改进
在编辑器方面,Qt Creator 17.0 Beta2引入了平滑的逐像素滚动功能,使代码浏览更加流畅。对于C++开发者,LLVM工具链已升级至20.1.3版本,同时修复了函数式宏和二维数组初始化相关的语法高亮问题。QML编辑器则深度集成了qmlformat工具,并优化了.ui.qml文件在Qt Design Studio中的打开体验。
项目配置方面进行了重大调整,运行配置现在可以针对每个构建配置单独设置,解决了长期存在的配置继承问题。新增的"克隆到此"功能允许开发者轻松复制其他运行配置的数据到当前配置中。对于CMake项目,当检测到缺失的Qt组件时,可以直接调用Qt在线安装器进行安装,大大简化了依赖管理流程。
开发工具链增强
调试功能方面,修复了LLDB调试器中QMap和QImage的漂亮打印问题,确保在ARM架构的Mac设备上也能正常工作。QML调试器现在可以与终端运行模式兼容使用。
分析工具Axivion套件增加了本地构建和本地仪表板工具按钮,并提供了更多配置选项。Coco代码覆盖率工具修复了通过CoverageBrowser自动启动高亮功能的问题。
终端模拟器新增了实时重排文本的实验性功能,当调整终端窗口大小时,内容会自动适应新的尺寸,提升了终端使用体验。
版本控制与测试
Git集成方面,新增了多个实用功能:支持查看Git配置变量的Qt Creator变量、针对暂存变更的操作菜单、在即时注释工具提示中添加还原操作、创建带注释的标签选项等。测试框架现在支持Qt 6专属的CMake项目向导,并修复了测试输出解析中与换行符相关的问题。
平台适配优化
各平台支持方面也有显著改进:Windows平台重新启用了MinGW GDB调试器的完整功能;macOS修复了远程机器文件部署问题;Android放弃了对GDB的支持,专注于LLDB调试器,并解决了NDK 27及以上版本在macOS上的兼容性问题;Docker设备增加了端口映射设置,并修复了环境变量和进程管理相关问题。
用户体验提升
整体UI方面,2024主题变体现在成为默认选择,图标系统也进行了更新。新增的"课程"标签页为初学者提供了学习资源。搜索功能增加了标签补全功能,提高了命令输入效率。扩展系统进行了重构,默认扩展仓库迁移到新地址,支持多仓库配置,并增强了未安装扩展的依赖和平台兼容性信息展示。
这个Beta版本标志着Qt Creator向更强大、更易用的方向又迈进了一步,为即将到来的17.0正式版奠定了坚实基础。开发者可以下载试用,体验这些新特性带来的效率提升。
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