RillData Rill v0.61.0 版本发布:数据可视化与分析能力再升级
RillData 是一个现代化的数据探索与分析平台,它通过直观的界面和强大的数据处理能力,帮助用户快速从数据中获取洞察。Rill 作为其核心产品,提供了从数据连接到可视化分析的全流程解决方案。最新发布的 v0.61.0 版本带来了一系列功能增强和问题修复,进一步提升了用户体验和系统稳定性。
核心功能改进
1. 可视化图表类型扩展
本次更新新增了对多种图表类型的支持,包括环形图(donut)和热力图(heatmap)。这使得用户在数据可视化方面有了更多选择,能够根据不同的数据分析需求选择最合适的展示方式。环形图特别适合展示比例关系,而热力图则能直观地展示二维数据的密度和分布。
2. Canvas 组件拖拽功能优化
Canvas 组件检查器现在支持字段的拖拽操作,这大大提升了用户界面的交互体验。用户可以更直观地调整字段位置和关系,使得数据探索过程更加流畅自然。同时,修复了在编辑状态下移动项目的问题,确保了操作的准确性。
3. 时间设置一致性验证
新版本增加了对 Canvas 中依赖指标视图间时间设置一致性的验证功能。这一改进确保了跨视图分析时时间维度的统一性,避免了因时间设置不一致导致的分析结果偏差问题。
性能优化与稳定性提升
1. DuckDB 升级至 1.2 版本
Rill 现在集成了 DuckDB 1.2 版本,这一列式内存分析数据库的升级带来了性能提升和新功能支持。DuckDB 1.2 在查询优化、内存管理和扩展功能方面都有显著改进,能够更好地支持复杂的数据分析场景。
2. ClickHouse 分布式表重命名修复
修复了分布式 ClickHouse 表重命名时可能出现的问题,确保了在大规模分布式环境下的数据操作稳定性。这一改进对于使用 ClickHouse 作为后端存储的用户尤为重要。
3. 查询优化
通过优化查询执行计划,特别是对最内层查询的限制应用,提升了复杂查询的执行效率。同时优化了 ClickHouse 字典的处理方式,进一步提高了数据检索速度。
用户体验改进
1. 组织级用户页面增强
组织级别的用户管理页面得到了显著改进,提供了更清晰的信息展示和更便捷的操作方式。这使得管理员能够更高效地管理组织成员和权限设置。
2. 导出功能简化
简化了按需导出功能中的时间范围设置,使得数据导出过程更加直观和便捷。用户现在可以更轻松地选择需要导出的数据时间范围。
3. 最近探索状态保存
新增了最近探索状态的保存功能,用户可以更方便地回到之前的工作状态,继续未完成的分析任务。这一功能显著提升了工作连续性,特别是在处理复杂分析任务时。
安全与稳定性修复
本次发布还包含多项稳定性修复,包括:
- 修复了 gzip 参数不一致导致的问题
- 提高了告警/报告规格的大小限制至 128kb
- 改进了模拟用户选择组件
- 修复了画布中项目移动时的编辑问题
- 确保了排行榜维度顺序在画布中的一致性
这些改进共同提升了 Rill 平台的稳定性和可靠性,为用户提供了更加顺畅的数据分析体验。
RillData Rill v0.61.0 版本的发布,标志着该项目在数据可视化、分析能力和用户体验方面又向前迈进了一步。无论是新增的图表类型、优化的交互设计,还是底层性能的提升,都体现了开发团队对产品品质的不懈追求和对用户需求的深入理解。
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