Stack 3.5.1 版本发布:Haskell 构建工具的重要更新
Stack 是一个专为 Haskell 项目设计的跨平台构建工具,它能够帮助开发者管理 Haskell 项目的依赖关系、构建过程和开发环境。Stack 通过提供可重复的构建环境和简化的依赖管理,大大降低了 Haskell 项目的入门门槛和维护成本。
主要行为变更
本次发布的 Stack 3.5.1 版本引入了几个重要的行为变更:
-
非拉丁字符路径警告:当 Stack 的 'programs' 路径中包含任何非 ISO/IEC 8859-1 (Latin-1) 字符时,Stack 会发出警告(消息编号 S-8432)。这是因为
hsc2hs工具在其默认模板template-hsc.h的路径中包含这些字符时无法正常工作。 -
Cabal 依赖处理改进:Stack 现在会定制使用
Cabal的设置过程。如果setup-depends字段没有将 Cabal 列为依赖项,Stack 不仅会发出警告,还会自动将 GHC 引导包添加为依赖项。这一改进解决了之前版本仅警告而不采取行动可能导致构建错误的问题。
功能增强
Hpack 版本升级
Stack 3.5.1 将内置的 Hpack 工具升级到了 0.38.0 版本。Hpack 是一个替代 Cabal 文件格式的现代 Haskell 包描述格式,这一升级带来了更好的包描述功能和兼容性。
MSYS2 安装控制
新版本引入了 install-msys 配置选项,允许用户控制是否在需要时下载和安装 Stack 提供的 MSYS2(前提是 skip-msys 设置为 false)。默认情况下,该选项的值与 install-ghc 设置相同(包括在命令行中设置的情况),因此 Stack 的默认行为保持不变。
同时新增了 stack config set install-msys 命令,方便用户在 YAML 配置文件中配置 install-msys 选项。
构建文件生成命令
新增的 stack config build-files 命令可以在不执行完整构建过程的情况下,根据需要从 Hpack 格式的包描述生成 Cabal 文件,和/或为 Stack 的项目级配置生成锁定文件。
其他改进
allow-newer-deps选项在文档中不再标记为实验性功能stack sdist和stack upload命令现在会报告用于检查包的 Cabal 库版本- 整体稳定性和性能优化
技术背景与影响
Stack 作为 Haskell 生态系统中重要的构建工具,其更新直接影响着开发者的日常工作效率。3.5.1 版本特别关注了构建环境的可靠性和配置灵活性:
-
字符编码问题:Haskell 工具链对路径中的字符编码一直比较敏感,特别是在跨平台开发时。新增的非拉丁字符警告帮助开发者提前发现潜在问题,避免后期调试困难。
-
依赖管理:自动处理 Cabal 依赖的改进减少了因配置疏忽导致的构建失败,使开发流程更加顺畅。
-
构建环境控制:MSYS2 安装控制的引入给了开发者更多灵活性,特别是在持续集成环境或受限环境中使用时。
这些改进使得 Stack 在各种开发场景下都能提供更可靠、更灵活的服务,进一步巩固了它作为 Haskell 项目标准构建工具的地位。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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