Selenide v7.9.2版本发布:优化视频录制与性能提升
Selenide是一个基于Selenium的轻量级测试框架,它通过简化API和内置的智能等待机制,让Web自动化测试变得更加简单高效。该项目最近发布了v7.9.2版本,带来了一系列功能改进和性能优化。
视频录制功能改进
本次更新对Selenide的视频录制功能进行了三项重要改进:
-
修复视频颜色问题:解决了视频录制器中生成的视频颜色异常问题,现在录制的视频将显示正确的色彩。
-
延迟录制启动:优化了视频录制的启动时机,现在只在测试完成后才开始生成视频,显著减少了CPU资源的消耗。这一改进对于长时间运行的测试套件特别有价值。
-
改进附件格式:视频录制现在使用"[[ATTACHMENT|FILE]]"格式进行附加,这种标准化格式使得测试报告中的视频附件处理更加一致和可靠。
移动端测试修复
针对Selenide-Appium(Selenide的移动端测试扩展)修复了一个重要的ClassCastException问题。当在Web浏览器上调用scroll(ScrollOptions)方法时,之前会抛出类型转换异常,现在这一问题已得到解决,确保了移动端和Web端测试API的一致性。
性能优化
本次更新包含了两项性能优化措施:
-
循环中的列表大小缓存:通过缓存循环中的列表大小,减少了重复计算的开销,提升了整体性能。这一优化在遍历大型元素集合时效果尤为明显。
-
LittleProxy内存泄漏修复:将LittleProxy从2.4.1升级到2.4.2版本,解决了已知的内存泄漏问题,提高了长时间测试运行的稳定性。
依赖项更新
Selenide v7.9.2同步更新了核心依赖项:
- 将Selenium从4.31.0升级到4.32.0版本
- Chrome DevTools Protocol(CDP)从135升级到136版本
这些依赖项的更新带来了底层浏览器自动化能力的增强和稳定性提升。
总结
Selenide v7.9.2版本虽然是一个小版本更新,但包含了多项实用改进。视频录制功能的优化使得测试报告更加可靠,同时减少了资源消耗;移动端测试的修复增强了框架的稳定性;性能优化措施则提升了测试执行效率。这些改进共同使得Selenide在Web和移动端自动化测试领域继续保持其简单高效的特点。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00