Prowlarr v1.34.1版本发布:索引器管理与下载优化
Prowlarr是一款专为媒体服务器设计的索引器管理工具,它能够帮助用户集中管理和配置各种索引器资源,并将这些资源无缝集成到Sonarr、Radarr等媒体管理工具中。作为一款开源项目,Prowlarr持续更新迭代,为媒体自动化管理提供强大支持。
版本更新亮点
本次发布的v1.34.1.5021版本主要针对索引器下载请求处理进行了优化,并修复了多个功能性问题。以下是本次更新的核心内容:
索引器下载请求处理增强
开发团队对索引器下载请求的处理机制进行了重要改进,现在能够正确处理307和308状态码的重定向请求。这两种状态码属于永久性重定向,与常见的302临时重定向不同,它们要求客户端在后续请求中继续使用新的URL地址。
这一改进意味着:
- 当索引器返回307或308重定向响应时,Prowlarr能够正确跟随重定向
- 提高了与各类索引器的兼容性
- 确保了下载请求的可靠性,减少因重定向处理不当导致的失败
时区偏移修正
针对特定资源站点,本次更新修正了时区偏移问题:
- 为AvistaZ资源站更新了正确的时区偏移设置
- 调整了FL(FileList)资源站的时区偏移配置
时区偏移的正确处理对于确保发布时间的准确显示至关重要,特别是在处理不同地区索引器的RSS订阅时。
解码功能修复
修复了SecretCinema索引器中版本信息(edition)解码失败的问题。此前在某些情况下,版本信息无法正确解析,导致搜索结果不完整或显示异常。此修复确保了媒体版本信息的准确获取和展示。
技术栈更新
本次发布包含了多项底层技术栈的更新:
- 将Microsoft.AspNetCore.WebUtilities降级到稳定版本
- 升级Swashbuckle至7.3.2版本,改进了API文档生成功能
- 更新了IPAddressRange、Npgsql和System.Text.Json等核心组件
- 针对不同平台构建工具链进行了优化
安装与升级指南
对于不同部署方式的用户,升级方法有所区别:
Docker用户: 必须通过更新容器镜像来完成升级,不支持在现有容器内直接更新Prowlarr。
非Docker用户: 可以通过设置中的更新功能切换到master分支获取后续更新。具体路径为:设置 -> 通用(显示高级设置) -> 更新 -> 分支。
多平台支持
Prowlarr继续保持对多种平台和架构的广泛支持,包括:
- Linux (x86/x64/ARM/ARM64)
- Windows (x86/x64)
- macOS (Intel/Apple Silicon)
- FreeBSD
每种平台都提供了对应的安装包和压缩包,用户可以根据自己的系统环境选择合适的版本进行安装或升级。
总结
Prowlarr v1.34.1版本虽然是一个小版本更新,但在索引器兼容性和稳定性方面做出了重要改进。特别是对307/308重定向的支持,解决了长期存在的某些索引器下载问题。时区偏移的修正也提升了用户体验,确保时间显示的准确性。对于依赖Prowlarr进行媒体管理的用户来说,及时升级到这个版本将获得更稳定可靠的服务。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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