Expensify/App 9.1.39-0版本发布:移动端优化与功能增强
Expensify是一款广受欢迎的企业费用管理应用,专注于简化报销流程和财务管理。本次发布的9.1.39-0版本带来了多项重要改进,主要集中在移动端体验优化、费用报告功能增强和系统稳定性提升等方面。
移动端体验全面优化
本次更新针对Android平台进行了多项改进。修复了mWeb底部导航栏被截断的问题,确保用户能够完整看到所有导航选项。同时优化了搜索字段中的文本显示,当报告名称较长时,文本会自动移动到末尾,提高了可读性。
iOS平台也获得了重要更新,解决了Bootsplash闪屏问题,使应用启动更加流畅。这一改进显著提升了用户体验,减少了启动时的视觉干扰。
费用报告功能增强
在费用报告方面,本次更新修复了多个关键问题。优化了拆分金额的显示,确保在返回页面后宽度不会异常缩小。改进了费用预览中的审批状态显示,现在已批准但存在违规的费用会正确标记为"已批准"状态。
新增了临时高亮功能,当表格视图中添加新费用时,相应行会短暂高亮显示,帮助用户快速定位最新添加的内容。这一视觉反馈机制大大提升了操作的可感知性。
搜索与导航改进
搜索功能获得了多项优化。修复了带空格搜索的问题,现在用户可以正常搜索包含空格的词汇。优化了搜索API调用,减少了不必要的计算,提高了搜索效率。同时改进了搜索结果的高亮和滚动逻辑,使用户能够更快速地找到所需内容。
导航方面,修复了事务线程中的箭头导航显示问题,现在在右侧面板中也能正确显示导航箭头。同时优化了未读标记的显示逻辑,确保在1:1聊天中发送支付时不会错误显示未读标记。
系统架构与性能优化
在系统架构层面,本次更新完成了从User模型到Account模型的全面迁移,移除了所有对User模型和ONYXKEYS.USER的引用。这一架构调整为系统带来了更好的可维护性和扩展性。
性能方面,优化了事务部分的计算逻辑,减少了冗余计算。同时改进了搜索高亮和滚动钩子的性能,通过优化/Search调用来提升整体响应速度。
工作区管理改进
工作区功能也获得了多项增强。修复了工作区头像显示不正确的问题,确保头像能够正确加载。优化了工作区邀请角色页面,将其迁移到新页面,提供了更好的用户体验。
新增了过滤功能,现在可以过滤掉非工作区成员的持卡人卡片,使卡片管理更加清晰。同时改进了工作区聊天工具提示,使其更加直观易懂。
总结
Expensify/App 9.1.39-0版本通过多项优化和改进,进一步提升了应用的稳定性、性能和用户体验。从移动端显示优化到核心功能增强,再到系统架构调整,这些改进共同为用户带来了更加流畅、可靠的使用体验。特别是对费用报告和搜索功能的优化,将直接提高用户的工作效率。
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