Yek项目v0.12.0版本发布:新增ARM64 Linux与musl支持
2025-06-24 04:33:49作者:管翌锬
Yek是一个专注于跨平台开发的工具项目,旨在为开发者提供高效的构建和部署解决方案。该项目通过持续迭代,不断扩展对不同硬件架构和操作系统的支持能力。
版本亮点
本次发布的v0.12.0版本带来了两项重要的功能增强:
-
ARM64 Linux架构支持:新增了对ARM64架构Linux系统的完整支持,包括标准GNU C库环境和轻量级musl库环境。这一特性使得开发者能够在树莓派等ARM设备上无缝运行Yek工具。
-
musl标准库支持:除了传统的GNU C库环境外,现在还为x86_64和ARM64架构提供了基于musl标准库的构建版本。musl以其轻量级和静态链接特性著称,特别适合容器化部署场景。
技术实现细节
为了实现这些新特性,开发团队进行了多项底层改进:
- 在构建系统中添加了aarch64-unknown-linux-gnu和aarch64-unknown-linux-musl目标配置
- 针对ARM64架构优化了链接器配置,确保二进制文件的高效执行
- 在CI/CD流程中集成了交叉编译工具链,支持多平台构建
- 对musl环境进行了特殊适配,解决了静态链接相关的兼容性问题
发布文件说明
本次发布提供了全面的预编译二进制包,覆盖了主流平台:
- macOS平台:同时支持Intel(x86_64)和Apple Silicon(aarch64)芯片
- Windows平台:提供x86_64架构的MSVC构建版本
- Linux平台:
- GNU C库环境:支持x86_64和aarch64架构
- musl库环境:同样支持x86_64和aarch64架构
每个平台的二进制包都经过严格测试,确保在不同环境下的稳定运行。特别是musl版本,其精简的特性使其在资源受限的环境中表现尤为出色。
应用场景建议
对于不同使用场景的开发者,可以考虑以下选择:
- 嵌入式开发:推荐使用ARM64架构的musl版本,资源占用低且部署简单
- 云原生应用:musl版本适合构建轻量级容器镜像
- 传统服务器:GNU C库版本提供最广泛的系统兼容性
- 本地开发:根据开发机架构选择对应的macOS或Windows版本
总结
Yek v0.12.0通过扩展架构支持和增加musl构建选项,进一步提升了项目的适用性和灵活性。这些改进使得Yek能够在更广泛的硬件环境和部署场景中发挥作用,为开发者提供更多选择。对于需要在多种平台上部署应用的团队来说,这一版本无疑带来了显著的便利。
登录后查看全文
热门项目推荐
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
182
196
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
648
265
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
274
94
暂无简介
Dart
623
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.41 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1