Code.org 2025-05-22版本发布:前端优化与教育功能增强
Code.org是一个致力于推广计算机科学教育的非营利组织,通过提供免费的在线编程课程和工具,帮助全球学生和教师学习编程。本次发布的2025-05-22版本带来了多项重要更新,主要集中在用户体验优化、性能提升和教育功能增强三个方面。
前端性能与缓存优化
本次发布对网站的缓存策略进行了重要调整,将重新验证周期缩短至15分钟,这一变化显著提升了内容的实时性,同时保持了良好的性能表现。对于教育平台而言,这种平衡尤为重要,因为既需要确保学生看到最新的教学内容,又需要保证页面加载速度。
开发团队还针对CloudFront缓存行为进行了优化,移除了营销站点原始缓存行为中的Host头,这一技术调整有助于减少不必要的缓存失效,提高CDN效率。同时,为了应对特定场景下的性能问题,团队暂时禁用了所有单元路径的缓存,并暂停了级别URL的永久重定向功能,这些临时措施为后续更完善的解决方案奠定了基础。
教育功能与界面改进
在音乐编程教育方面,本次更新对音符符号进行了精确调整,特别是升号(#)符号的显示效果得到了优化。这种看似微小的改进实际上对音乐编程教学有着重要意义,因为准确的符号显示能帮助学生更好地理解音乐与代码的关系。
Python编程实验室也获得了界面优化,包括工作区标题高度的调整、边框圆角的精细化处理以及冗余样式的移除。这些改进使得编程环境更加整洁专业,减少了视觉干扰,让学生能更专注于编程学习本身。
工作坊管理工具增强
针对教师工作坊的管理工具,本次发布修复了自定义下拉菜单的布局问题,并完成了工作坊重构后的清理工作。这些改进使教育工作者能更高效地管理工作坊资源,为教师培训提供了更好的技术支持。
国际化与可访问性
团队持续进行国际化工作,同步了最新的翻译内容。同时修复了EditorialCard组件的可访问性问题,确保所有学生,包括有特殊需求的学习者,都能平等地获取教育资源。
技术架构演进
在技术架构层面,项目引入了Node.js后端的OpenTelemetry(OTel) instrumentation,这一变化为系统提供了更强大的监控和追踪能力,有助于开发团队更好地理解系统行为,快速定位和解决问题。
Blockly可视化编程库升级至v12版本,这是该项目的一个重要里程碑。新版本带来了性能提升和新功能,为Code.org上的编程教学提供了更强大的基础支持。
总结
2025-05-22版本的Code.org发布体现了团队对教育技术持续优化的承诺。从前端性能到教育功能,从国际化支持到技术架构,每一项改进都旨在为全球学生和教师提供更好的编程学习体验。这些变化不仅提升了平台的稳定性和可用性,也反映了Code.org对教育公平和技术可访问性的持续关注。
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