pyRevit项目v5.2.0版本发布:Revit自动化工具的重大更新
pyRevit是一个基于Python的开源Revit插件框架,它为Autodesk Revit软件提供了强大的扩展能力和自动化工具。该项目通过Python脚本扩展了Revit的功能,使建筑设计师和工程师能够更高效地完成重复性任务、批量处理数据和自定义工作流程。
核心功能更新
新增pyrevit-mcp扩展模块
本次5.2.0版本最显著的更新是引入了pyrevit-mcp扩展模块。这个由JotaDeRodriguez贡献的扩展为Revit用户提供了更多专业级的建筑信息模型处理能力。该模块特别适合需要进行复杂模型检查和处理的专业用户,它扩展了pyRevit在模型协调和质量控制方面的功能。
面板标题支持增强
开发团队在.panel bundle.yaml配置文件中新增了对'title:'属性的支持。这一改进使得扩展开发者能够更灵活地定义面板标题,为自定义UI提供了更多可能性。用户现在可以通过简单的YAML配置来自定义工具面板的显示标题,而无需修改底层代码。
工具功能优化
图纸处理工具改进
- 复制图纸工具现在能够保留详图编号,解决了用户在跨文档复制图纸时详图编号丢失的问题
- 修订报告生成工具进行了功能增强,为用户提供了更多控制选项
- 创建修订图纸集工具同样获得了更多用户控制参数,使修订管理更加灵活
模型检查与预检功能
预检检查工具新增了CSV导出功能,用户现在可以将审计结果导出为CSV格式,便于在商业智能(BI)工具中进一步分析。这一功能特别适合需要生成质量报告或进行项目审计的用户。
参数管理工具
- 字体切换工具全新加入工具集,为用户提供了快速修改文本样式的便捷方式
- 清除族参数工具增加了"关联到其他"选项,扩展了参数清理的范围
- 编号重排工具修复了多个UI视图同时打开时的处理逻辑问题
技术改进与修复
底层架构优化
开发团队解决了LibGit2Sharp库缺少CredentialsProvider的问题,这一修复由dnenov贡献,显著提升了与Git仓库交互的稳定性。同时,对int64类型的支持改进确保了工具在Revit 2026中的LongId处理能力。
用户体验提升
- 快速工具栏扩展由tay0thman贡献,提供了更便捷的工具访问方式
- 颜色标记工具修复了MEP区域和空间的行为问题,并修正了错误的Revit API类调用
- 选择列表功能由iorhanV进行了优化,提升了交互体验
总结
pyRevit 5.2.0版本带来了多项功能增强和问题修复,特别是在模型检查、图纸处理和参数管理方面有了显著改进。新增的pyrevit-mcp扩展为专业用户提供了更强大的模型处理能力,而各种工具的优化则进一步提升了日常工作的效率。这些更新使得pyRevit继续保持在Revit自动化工具领域的领先地位,为建筑信息模型工作流程提供了更多可能性。
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