Mozilla Addons-Server 2025.02.20版本发布解析
Mozilla Addons-Server是Mozilla基金会维护的Firefox浏览器扩展管理平台,负责处理扩展的审核、发布和管理工作。作为Firefox生态系统的核心组件,它确保了数以万计的浏览器扩展能够安全、合规地为全球用户提供服务。
本次2025.02.20版本更新带来了一系列重要的功能改进和架构优化,主要聚焦在扩展审核流程的完善、权限管理的调整以及后台模型的优化等方面。这些变更不仅提升了审核人员的工作效率,也为开发者提供了更灵活的API访问能力。
审核流程优化
本次更新对扩展审核流程进行了多项改进。首先恢复了常规审核人员在不更改日期的情况下进行延迟拒绝的操作权限,这一调整让审核人员能够更灵活地处理不符合要求的扩展。同时,系统现在会在批准多个版本时自动清除待处理的拒绝状态并设置人工审核日期,简化了批量操作的工作流程。
另一个值得注意的变更是增加了"转交法务"操作记录到重要变更历史中的功能。这一改进使得审核过程中的关键决策节点都有迹可循,增强了审核流程的透明度和可追溯性。
权限与认证增强
在API访问控制方面,新版本实现了对源码包下载的API认证支持。这意味着开发者现在可以通过API安全地下载扩展的源代码包,为自动化构建和部署流程提供了更多可能性。
审核权限方面也进行了重要调整,新增了对二级审核被拒绝情况的覆盖决策机制。这一功能为特殊情况下的审核流程提供了灵活处理的空间,同时确保了整体审核标准的严格执行。
数据模型重构
本次更新对推广扩展相关的数据模型进行了重大重构。新增了PromotedGroup、PromotedAddonPromotion和PromotedAddonVersion模型,这些模型将与现有的PromotedAddon和PromotedApproval模型保持同步。这一架构调整使得推广扩展的管理更加模块化和可扩展,为未来功能的扩展打下了坚实基础。
同时,系统将推广组的选择方式重构为使用APIChoicesWithNone,这一技术改进提升了代码的健壮性和可维护性。
技术架构改进
在技术架构层面,本次更新将DOCKER_TARGET调整为仅作为构建时参数,这一变更简化了容器化部署的配置管理。此外,系统移除了'enable-soft-blocking' Waffle开关的迁移代码,清理了不再使用的功能实现,保持了代码库的整洁。
这些技术改进虽然对最终用户不可见,但它们提升了系统的稳定性和可维护性,为未来的功能开发和性能优化创造了更好的基础条件。
总结
2025.02.20版本的Mozilla Addons-Server通过审核流程优化、权限管理增强和数据模型重构等多方面的改进,进一步提升了平台的稳定性和可用性。这些变更既满足了审核团队的操作需求,也为开发者提供了更强大的API支持,同时通过技术架构的持续优化为未来的发展奠定了坚实基础。
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