Expensify/App 9.1.26-10版本发布:全面优化用户体验与功能增强
Expensify是一款广受欢迎的财务管理应用,专注于简化个人和企业的报销流程。该应用提供了从费用跟踪、报告生成到支付处理的一站式解决方案,特别适合需要频繁处理差旅和业务开支的用户群体。
核心功能改进
银行账户连接流程优化
本次更新在连接公司银行账户的流程中新增了"行业分类代码"字段,进一步完善了企业级用户的银行账户验证流程。这一改进有助于更准确地识别企业类型,为后续的财务处理提供更精确的数据支持。
费用报告系统增强
修复了重复费用显示错误系统消息的问题,现在当用户提交重复费用时,系统会提供更清晰准确的提示信息。同时优化了单一费用报告视图的渲染条件,确保在各种情况下都能正确显示报告内容。
用户界面改进
卡片管理优化
在分配信用卡时,现在会正确换行显示卡号和持卡人姓名,解决了长信息显示不全的问题。这一改进显著提升了移动端用户的操作体验。
工具提示增强
为桌面导航的账户切换器添加了工具提示,帮助用户更直观地理解功能。同时改进了工具提示的交互性,现在可以通过点击"X"按钮关闭提示,提供了更灵活的操作方式。
移动端专项优化
Android平台改进
修复了Android平台上提及建议(@mention)的间隙问题,使聊天功能更加流畅。同时优化了键盘Tab键导航行为,现在首次按下Tab键时不会意外跳转到列表顶部。
iOS平台改进
解决了工作区报告页面滑动不灵敏的问题,提升了触摸操作的响应性。同时优化了Hermes开发工具的集成,为开发者提供了更好的调试体验。
后台逻辑与性能优化
通知系统改进
当用户从隐藏状态切换到分账功能时,系统会智能地将通知偏好更新为"始终接收",确保重要财务通知不会遗漏。
报告处理优化
停止为"请求付款"功能预先创建交易线程报告,减少了不必要的后台处理,提升了系统响应速度。
数据管理增强
将诊断数据移至独立文件,优化了应用的数据结构,为后续的性能监控和问题排查提供了更好的支持。
安全性与合规性
身份验证流程加固
修复了SSN页面"下一步"按钮状态不正确的问题,确保敏感信息提交流程的严谨性。同时优化了验证屏幕的显示逻辑,在用户登录时提供更可靠的验证体验。
企业账户管理
修复了删除工作区后切换器状态不正确的问题,增强了企业级账户管理的稳定性。同时改进了受邀管理员登录后的页面跳转逻辑,确保他们能够直接访问管理界面。
本次更新体现了Expensify团队对细节的关注和对用户体验的持续优化,从功能完善到界面改进,从性能提升到安全加固,全方位提升了应用的可靠性和易用性。这些改进将帮助个人用户更高效地管理日常开支,同时为企业用户提供更强大的财务处理能力。
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