ORPC v0.48.0 版本发布:RPC 框架的重大升级
ORPC 是一个现代化的 RPC(远程过程调用)框架,它提供了客户端和服务器之间的高效通信能力。这个框架特别注重类型安全和开发体验,支持多种前端框架集成,并提供了丰富的中间件和序列化功能。最新发布的 v0.48.0 版本带来了多项重要改进和新特性,让开发者在构建分布式系统时拥有更强大的工具。
核心变更与架构改进
自定义 JSON 序列化器
v0.48.0 版本引入了自定义 RPC JSON 序列化器的能力。这一改进允许开发者根据特定需求定制数据的序列化和反序列化过程,在处理特殊数据类型或优化性能时特别有用。框架现在提供了更灵活的序列化控制,同时保持了类型安全。
服务器端重大改进
服务器端进行了多项架构调整,其中最重要的变化是移除了重复中间件的逻辑,改为显式处理中间件链。这种设计使得中间件的执行更加透明和可控。同时新增了.$input方法,为输入数据处理提供了更直观的API。
新引入的UnlazyRouter工具解决了懒加载路由可能导致的问题,使得路由管理更加可靠。此外,现在可以在.callable和.actionable方法后进行链式调用,大大提升了API的流畅性和灵活性。
客户端增强
客户端方面,现在重新导出了hooks工具函数,使得开发者可以更方便地使用这些实用工具。事件迭代器状态变化的处理也得到了更新,提供了更一致的行为模式。
框架集成扩展
v0.48.0 版本显著扩展了对前端框架的支持:
-
Solid-Query:新增了对Solid.js的Tanstack Query集成,为Solid开发者提供了强大的数据获取和状态管理能力。
-
Svelte-Query:同样引入了对Svelte的Tanstack Query支持,完善了框架的前端生态。
-
Vue-Colada:移除了输入和上下文选项中的深度引用(deep ref),简化了API并提高了性能。
类型系统与验证增强
Zod集成方面取得了显著进展:
- 现在支持在JSON Schema中处理
readOnly和propertyNames属性,增强了API文档的丰富性。 - 修复了
propertyNames在字符串模式下的应用问题,确保了验证逻辑的准确性。
问题修复与稳定性提升
本次版本修复了多个关键问题:
- 解决了TypeScript中"has no properties in common with type"的类型问题
- 确保中间件初始上下文能正确反映在过程中
- 修正了中间件
next方法返回的上下文内容
这些改进显著提升了框架的稳定性和开发体验。
总结
ORPC v0.48.0 是一个功能丰富的版本,在序列化、中间件处理、前端集成和类型系统等方面都有显著提升。这些改进使得ORPC更适合构建复杂的分布式应用,同时保持了出色的开发体验和类型安全性。对于正在使用或考虑使用RPC框架的团队来说,这个版本值得认真评估和升级。
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-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