Stack 3.5.0.1 版本发布:Haskell 构建工具的重要更新
Stack 是一个专为 Haskell 语言设计的跨平台构建工具,它简化了 Haskell 项目的依赖管理和构建流程。作为 Haskell 生态系统中不可或缺的一部分,Stack 通过提供可重复的构建环境和简化的依赖管理,大大提升了开发者的工作效率。
核心功能改进
字符集兼容性增强
新版本中,Stack 增加了对非 ISO/IEC 8859-1 (Latin-1) 字符的路径检测功能。当检测到 Stack 的 'programs' 路径中包含此类字符时,会发出警告(消息编号 S-8432)。这一改进源于 hsc2hs 工具在处理包含非 Latin-1 字符的路径时会出现问题,特别是当其默认模板 template-hsc.h 的路径包含这些字符时。
Cabal 集成优化
Stack 现在更智能地处理与 Cabal 的集成。当项目的 setup-depends 字段没有明确将 Cabal 列为依赖项时,Stack 不仅会发出警告,还会自动将 GHC 启动包添加为依赖项。这一改变解决了之前版本中仅警告而不采取行动可能导致构建错误的问题。
新特性介绍
MSYS2 安装控制
3.5.0.1 版本引入了 install-msys 配置选项,允许开发者控制是否自动下载和安装 Stack 提供的 MSYS2 环境(前提是 skip-msys 设置为 false)。这一选项的默认值与 install-ghc 设置保持一致,包括命令行设置的情况。新增的 stack config set install-msys 命令使得配置这一选项更加便捷。
Hpack 版本升级
本次更新将 Hpack 工具升级到了 0.38.0 版本。Hpack 是一个替代 Cabal 文件格式的现代 Haskell 包描述工具,新版本带来了更好的性能和更多功能。
功能完善与文档更新
allow-newer-deps 选项在文档中不再标记为实验性功能,表明这一特性已经足够稳定。此外,stack sdist 和 stack upload 命令现在会报告用于检查包的 Cabal 库版本,为开发者提供了更多调试信息。
技术意义与影响
这些改进从多个维度提升了 Stack 的稳定性和用户体验。路径字符检测功能解决了长期存在的国际化问题;Cabal 集成的优化减少了配置错误的可能性;MSYS2 安装控制为 Windows 开发者提供了更多灵活性;而 Hpack 的升级则确保了与最新 Haskell 生态系统的兼容性。
对于 Haskell 开发者而言,3.5.0.1 版本是一个值得升级的版本,特别是在跨平台开发和复杂项目构建场景下,这些改进将显著提升开发效率并减少潜在问题。
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
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