Jellyseerr v2.5.1版本发布:稳定性与用户体验优化
Jellyseerr是一个基于Jellyfin/Emby/Plex媒体服务器的自助服务请求系统,它允许用户通过友好的Web界面请求电影和电视剧内容。该系统与Sonarr和Radarr等自动化工具集成,简化了媒体库的管理流程。
认证与安全改进
本次v2.5.1版本在认证方面进行了重要修复,特别是针对密码管理器的自动填充功能进行了优化。当用户使用本地或Jellyfin登录时,密码管理器的自动填充功能现在能够正常工作,这显著提升了用户登录体验的流畅性。
黑名单功能修复
针对Plex用户的一个关键修复是恢复了TitleCard上的黑名单按钮。这个功能对于管理员管理不当内容非常重要,现在Plex用户可以像以前一样方便地将不需要的内容添加到黑名单中。
媒体文件处理优化
开发团队对媒体文件的处理逻辑进行了重要改进。现在系统会在删除文件前先检查服务中是否仍然存在该文件,这避免了潜在的文件丢失风险。同时,对于Radarr的下载同步功能也进行了修正,确保媒体请求与下载状态能够准确同步。
用户界面改进
在用户界面方面,v2.5.1版本进行了多项优化:
- 调整了季节徽章的显示顺序,使其更加合理
- 重新设计了"观看预告片"按钮的位置,现在它位于4K请求按钮上方,提高了用户操作的直观性
- 修复了流媒体区域下拉菜单的重叠问题,提升了界面整洁度
后台任务稳定性
针对后台任务的稳定性,开发团队修复了季节可用性更新中的一个边界情况问题。这意味着当剧集的新季可用时,系统能够更可靠地更新状态并通知用户。
SMTP通知修复
对于使用SMTP通知的用户,本次更新修复了测试功能中缺失的allowSelfSigned选项问题。现在管理员可以更准确地测试邮件通知功能是否正常工作。
网络设置兼容性
考虑到企业用户的需求,v2.5.1版本更新了网络设置,现在支持使用undici v7的绕过列表,提高了配置的灵活性。
时间显示调整
基于用户反馈,开发团队对播出时间的显示方式进行了调整。现在系统只显示日期而不显示具体时间,这使界面更加简洁,同时避免了时区差异带来的混淆。
Jellyseerr v2.5.1版本虽然没有引入重大新功能,但通过这一系列细致的修复和优化,显著提升了系统的稳定性和用户体验。对于现有用户来说,升级到这个版本将获得更加流畅和可靠的使用体验。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
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