Proxyman Atlantis 1.28.0 版本发布:解决 macOS 15.4 连接问题
Proxyman Atlantis 是 Proxyman 项目中的一个重要组件,主要用于在 iOS 模拟器和设备上实现网络请求的拦截和调试功能。作为开发者工具链中的关键一环,Atlantis 通过建立本地网络连接,将移动设备的网络流量转发到 Proxyman 桌面应用进行分析和调试。
核心更新内容
本次 1.28.0 版本主要针对 macOS 15.4 系统中的连接问题进行了修复,并对底层网络通信机制进行了现代化改造。
连接问题修复
在 macOS 15.4 系统中,用户可能会遇到 Atlantis 无法正常连接的问题。这是由于苹果在新系统中对网络服务 API 做出了一些调整导致的。开发团队通过以下方式解决了这个问题:
-
对于 iOS 模拟器:Atlantis 现在会直接与当前机器上的 Proxyman 应用建立连接,绕过了之前可能导致问题的中间环节。
-
对于真实 iOS 设备:仍然使用 Bonjour 服务进行发现和连接,但底层实现已经更新为更现代的 API。
技术架构升级
本次更新中,开发团队对底层网络通信机制进行了重要升级:
-
弃用了已被标记为过时的 NetService API,转而采用苹果推荐的现代网络编程接口 NWBrowser 和 NWConnection。
-
这种升级不仅解决了当前的问题,还为未来的功能扩展和性能优化打下了基础。NWConnection 提供了更高效的网络通信能力,支持更复杂的网络场景。
兼容性说明
虽然 Atlantis 1.28.0 版本可以向后兼容 Proxyman 5.18.0 及更早版本,但开发团队强烈建议用户:
-
将 Proxyman 桌面应用升级到 5.19.0 或更高版本,以获得最佳的使用体验。
-
新版本的 Proxyman 桌面应用已经实现了对现代网络 API 的支持,可以与 Atlantis 1.28.0 形成更高效的协作。
技术意义
这次更新体现了开发团队对技术趋势的敏锐把握:
-
及时跟进苹果平台的 API 变化,确保工具链的稳定性和可靠性。
-
主动拥抱现代网络编程范式,提升了工具的性能和可维护性。
-
针对不同使用场景(模拟器 vs 真机)采用最优化的连接策略,展现了工程思维的精细化。
对于开发者而言,这意味着更稳定的调试体验和更高效的开发流程,特别是在最新的 macOS 系统环境下。
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
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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