Infection项目0.29.13版本发布:新增PHP 8.4变异测试支持
Infection是一个用PHP编写的现代化变异测试框架,它通过自动注入缺陷(称为"变异体")来评估测试套件的有效性。变异测试是一种高级测试技术,能够帮助开发者发现测试用例中的盲点,提高代码质量。
主要更新内容
新增PHP 8.4变异测试支持
本次0.29.13版本最重要的更新是增加了对PHP 8.4新函数的变异测试支持:
-
array_find_key()变异器:这个变异器会将
array_find_key()函数调用替换为null,测试是否能捕获这种变化。array_find_key()是PHP 8.4新增的函数,用于在数组中查找满足条件的第一个键。 -
array_find()变异器:类似地,这个变异器会将
array_find()函数调用替换为null。array_find()也是PHP 8.4新增的函数,用于在数组中查找满足条件的第一个值。
这些新增的变异器确保了使用最新PHP特性的代码也能得到充分的变异测试覆盖。
测试框架调整
项目移除了对Pest测试框架的支持,这是为了简化项目依赖和维护工作。Pest是一个基于PHPUnit的测试框架,提供更简洁的语法,但考虑到维护成本和实际使用情况,团队决定专注于核心功能的开发。
依赖项更新
-
PHPStan升级到版本2:PHPStan是一个强大的PHP静态分析工具,升级到2.x版本带来了更多分析功能和性能改进。
-
支持PHPUnit 11:Infection现在完全兼容PHPUnit 11,这是PHP生态中最流行的测试框架的最新主要版本。
-
JSON Schema验证更新:项目现在支持
justinrainbow/json-schema的6.x版本,这是一个用于验证JSON数据的库。
内部改进
-
代码质量检查增强:在自动化代码审查流程中增加了
cs-check步骤,确保代码风格一致性。 -
依赖管理优化:通过Conductor工具更新了多个依赖项,包括:
- PHPUnit更新到11.5.9
- thecodingmachine/safe更新到v3.0.2
- PHPStan更新到2.1.6
- Symfony Process组件更新到v7.2.4
-
移除过时的Rector规则:清理了代码库中已弃用的重构规则,消除了相关警告信息。
技术意义
这次更新展示了Infection项目对PHP生态系统的快速响应能力,特别是对即将发布的PHP 8.4版本的前瞻性支持。新增的变异器确保了使用最新语言特性的代码也能得到充分的测试验证。
静态分析工具PHPStan的升级和PHPUnit 11的支持,使得Infection能够更好地与现代PHP开发工具链集成。这些改进不仅提升了工具的可靠性,也为开发者提供了更流畅的测试体验。
依赖项的持续更新维护了项目的健康状态,而内部流程的优化则提高了开发效率,为未来的功能开发奠定了良好基础。
对于使用Infection进行变异测试的团队来说,这个版本提供了更全面的测试覆盖和更稳定的运行环境,是值得升级的一个版本。
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