Ollama-js v0.5.12 版本发布:模型创建API升级与测试框架重构
Ollama-js 是一个用于与 Ollama 模型服务交互的 JavaScript 库,它提供了简单易用的 API 来管理、运行和与大型语言模型交互。该项目让开发者能够轻松地将 Ollama 的功能集成到自己的 JavaScript 或 TypeScript 应用中。
核心变更:模型创建API的重大更新
本次 v0.5.12 版本最重要的变更是对模型创建 API 的更新,以适配 Ollama 服务 v0.5.5 版本的变更。开发团队对 create API 进行了重构,同时废弃了从文件创建模型的旧方法。
这一变更反映了 Ollama 服务端对模型创建流程的优化,使得 API 更加简洁和一致。开发者现在应该使用新的标准化方法来创建模型,而不是依赖旧的文件系统方法。这种改进有助于提高代码的可维护性,并确保与最新 Ollama 服务的兼容性。
文档与类型定义的改进
本次发布还包含了对文档和类型定义的多个改进:
- 修正了文档块(docblock)的间距问题,提高了代码文档的可读性
- 明确指定了
keep_alive参数的持续时间格式,消除了开发者在使用此参数时的歧义
这些改进虽然看似微小,但对于提升开发者体验至关重要。清晰的文档和准确的类型定义能够显著减少开发过程中的困惑和错误。
测试框架的重大升级:从Jest到Vitest
技术栈方面,本次发布完成了一个重要的基础设施变更 - 将测试框架从 Jest 迁移到了 Vitest。这一变更带来了多个优势:
- 更快的测试速度:Vitest 利用了现代 JavaScript 工具链的优势,提供了更快的测试执行速度
- 更好的兼容性:Vitest 与 Vite 生态系统的深度集成,为现代前端项目提供了更好的支持
- 更简单的配置:相比 Jest,Vitest 的配置更加简洁直观
为了确保这一迁移的顺利进行,开发团队还更新了 CI 流水线中的测试运行器配置。这种基础设施的持续改进体现了项目对代码质量和开发体验的重视。
对开发者的影响与升级建议
对于现有项目的开发者,升级到 v0.5.12 版本时需要注意以下几点:
- 如果项目中使用了从文件创建模型的方法,需要迁移到新的标准化 API
- 测试相关的配置可能需要调整,特别是如果项目同时使用了 Jest 和 Vitest
- 可以利用改进后的文档和类型定义来优化现有代码
这次发布虽然不包含破坏性变更(除了已废弃的从文件创建模型的方法),但仍然建议开发者仔细阅读变更日志,并针对性地调整代码。
Ollama-js 项目通过这些持续改进,正在成为一个更加成熟和可靠的 JavaScript/TypeScript 生态工具,为开发者提供了与 Ollama 服务交互的优雅解决方案。
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