TypeSpec 0.64.0 版本发布:编译器优化与工具链增强
TypeSpec 是一个用于定义 API 和服务的强类型规范语言,它通过简洁的语法和强大的类型系统帮助开发者设计、描述和验证 API 契约。最新发布的 0.64.0 版本带来了多项编译器改进和工具链增强,进一步提升了开发体验和功能完整性。
编译器核心优化
本次更新中,TypeSpec 编译器获得了多项重要修复和功能增强。在数值处理方面,修复了负值 BigInt 被错误识别为正数的问题,确保了数值类型的精确处理。对于元属性支持,现在编译器能够自动补全 '::type'、'::parameters' 和 '::returnType' 等元属性,提高了开发效率。
枚举类型的处理也得到了改进,现在枚举驱动的可见性装饰器能够与投影正确交互。编译器会采用最佳策略来保持投影后的枚举值一致性,确保类型系统的完整性。在调试支持方面,编译器跟踪日志现在可以通过语言服务器发送到 IDE,为开发者提供了更完善的调试体验。
开发工具链升级
TypeSpec 的 VS Code 扩展在这一版本中获得了显著改进。现在支持了"创建 TypeSpec 项目"的命令,开发者可以在没有打开文件夹的情况下直接创建新项目。扩展还新增了"全局安装 TypeSpec 编译器/CLI"的功能,简化了环境设置流程。
对于项目初始化模板,现在支持配置额外的模板源,开发者可以通过设置"typespec.initTemplatesUrls"来添加自定义模板。同时,扩展还改进了控制台输出,当找不到 tsp-server 时会提供更清晰的错误提示。
OpenAPI 支持增强
OpenAPI3 发射器在这一版本中获得了多项改进。现在允许 void 类型作为响应体类型,即使模型包含其他字段(如 statusCode)也不会导致编译失败。修复了 OpenAPI YAML 中将字符串错误转换为布尔值的问题。
更重要的是,新增了对 OpenAPI 3.1 标准的支持,开发者可以通过配置选项选择发射 OpenAPI 3.0 或 3.1 版本的模型。同时,OpenAPI 发射器现在能够正确处理 @typespec/json-schema 装饰器,为 API 文档生成提供了更多灵活性。
HTTP 与 REST 改进
在 HTTP 模块中,新增了 getStreamMetadata JS API,简化了从操作参数和响应中获取流元数据的过程。REST 模块修复了 @path 装饰器选项不准确的问题,特别是解决了 allowReserved 参数(对应 x-ms-skip-url-encoding 选项)的识别问题。
总结
TypeSpec 0.64.0 版本通过多项编译器优化和工具链增强,进一步提升了 API 设计和开发的体验。从核心类型系统的改进到开发工具的便利性增强,再到 OpenAPI 支持的扩展,这些更新使得 TypeSpec 在 API 设计领域的能力更加全面。对于正在使用或考虑采用 TypeSpec 的团队来说,这一版本值得关注和升级。
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-1.5暂无简介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