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。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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