TypeSpec 0.67.0 版本发布:重大变更与全新特性解析
TypeSpec 是一个用于定义 API 和服务的强类型规范语言,它允许开发者以声明式的方式描述 API 的结构和行为。最新发布的 0.67.0 版本带来了多项重要变更和新特性,标志着 TypeSpec 向 1.0 稳定版迈出了坚实的一步。
重大变更与迁移指南
1. 移除已弃用功能
本次版本清理了大量已标记为弃用的功能,开发者需要特别注意以下迁移:
- 废弃的
@deprecated装饰器已被移除,改用#deprecated指令 @service的versions支持已被移除,建议迁移到@OpenAPI.info或版本控制库@knownValues装饰器被移除,改用联合类型替代@projectedName被@encodedName取代- 不再支持
.cadl文件扩展名,统一使用.tsp
2. 编译器 API 重构
编译器 API 进行了重大调整,将 AST 相关 API 移至 @typespec/compiler/ast 包中,以明确区分稳定 API 和可能变更的高级 API。同时,许多内部 API 不再对外暴露,开发者应检查是否使用了这些 API 并寻找替代方案。
3. 最低 Node.js 版本要求提升
TypeSpec 现在要求 Node.js 20 或更高版本,开发者需要升级本地开发环境。
4. HTTP 库改进
HTTP 相关库进行了多项改进:
- 移除了
format选项,改用explode选项 shared路由选项被@sharedRoute装饰器取代- 默认内容类型解析逻辑变更,更符合 HTTP 规范
重要新特性
1. JS HTTP 客户端发射器
新增了 JS HTTP 客户端发射器,能够直接从 TypeSpec 定义生成 JavaScript HTTP 客户端代码,大大简化了前端与 API 的集成工作。
2. 媒体类型提示
引入了 @mediaTypeHint 装饰器,允许开发者显式指定类型的默认媒体类型(MIME 类型),这在处理非 JSON 数据时特别有用。
3. 模拟运行模式
新增了 dryRun 编译器选项,允许发射器在不实际写入文件的情况下运行,便于测试和验证。
4. 包管理器支持改进
tsp install 现在会自动检测并使用项目中配置的包管理器(通过 devEngines.packageManager 或 package.json 的 packageManager 字段指定),确保依赖安装的一致性。
开发者工具改进
VS Code 扩展获得了多项增强:
- 支持同时选择多个发射器生成代码
- 改进了"创建 TypeSpec 项目"的用户体验
- 新增 OpenAPI3 预览功能
- 增加了遥测支持,帮助改进工具质量
总结
TypeSpec 0.67.0 版本是一个重要的里程碑,通过清理技术债务、改进核心功能和增强开发者体验,为即将到来的 1.0 版本奠定了坚实基础。开发者应仔细检查项目中的已弃用功能使用情况,并按照迁移指南进行更新。新加入的 JS HTTP 客户端发射器和媒体类型提示等特性,将进一步简化 API 开发流程,提升开发效率。
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
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