Mastodon v4.3.5版本发布:社交网络平台的重要更新
Mastodon是一个开源的分布式社交网络平台,它采用了类似Twitter的微博客形式,但具有去中心化的特点。与传统的集中式社交网络不同,Mastodon由多个独立运行的服务器(实例)组成,这些实例之间可以相互通信,形成一个联邦网络。这种架构为用户提供了更多选择和控制权,同时也增强了隐私和抗审查能力。
版本更新亮点
Mastodon v4.3.5版本是一个维护性更新,主要修复了一些关键问题并进行了小幅度改进。这个版本建立在之前v4.3.4版本的安全修复基础上,确保了平台的稳定性和安全性。
主要变更内容
功能改进
- 标签建议优化:系统现在会优先考虑用户个人历史中的标签大小写形式,而不是简单地使用默认格式。这意味着如果你经常使用"#Mastodon"而不是"#mastodon",系统会记住并建议你的偏好格式,提升了用户体验的一致性。
问题修复
-
iOS 18 HEIF图像处理:修复了处理来自iOS 18设备的某些HEIF格式图像时可能出现的错误。HEIF是苹果设备常用的高效图像格式,这一修复确保了Mastodon能更好地兼容最新iOS设备上传的图片。
-
公共时间线语言过滤:解决了流媒体服务器未能正确过滤掉未知语言内容的问题。这一改进使得公共时间线的内容展示更加符合用户的语言偏好设置。
-
内容警告下的预览卡片显示:修复了在详细状态视图中,内容警告下的预览卡片无法显示的问题。现在即使用户设置了内容警告,预览卡片也能正常展示,提供了更完整的内容浏览体验。
-
窄屏幕显示优化:在管理界面中,修正了在窄屏幕上用户名和显示名称被隐藏的问题。这一改进特别有利于管理员在移动设备上进行内容审核工作。
升级注意事项
依赖要求
Mastodon v4.3.5保持了与之前版本相同的依赖要求:
- Ruby: 3.1或更新版本
- PostgreSQL: 12或更新版本(注意14.0-14.3版本存在数据损坏问题,不推荐使用)
- Elasticsearch: 7.x系列(用于全文搜索)
- Redis: 4或更新版本
- Node.js: 18或更新版本
- 图像处理:ImageMagick 6.9.7-7+或libvips 8.13+
升级步骤
对于从v4.3.4升级的用户,过程相对简单:
- 获取最新代码:
git fetch && git checkout v4.3.5 - 安装依赖:
bundle install - 预编译资源:
RAILS_ENV=production bundle exec rails assets:precompile - 重启所有Mastodon相关服务
重要提示:升级前务必备份数据库。对于使用Docker的用户,可以使用类似docker exec mastodon_db_1 pg_dump -Fc -U postgres postgres > backup.dump的命令进行备份。
技术细节
在开发过程中,团队特别关注了charlock_holmes这个Ruby gem的构建问题。这个库用于字符编码检测,在某些使用较新gcc版本的系统上可能会出现构建失败。开发团队提供了解决方案:通过设置BUNDLE_BUILD__CHARLOCK_HOLMES="--with-cxxflags=-std=c++17"环境变量来确保成功构建。
总结
Mastodon v4.3.5虽然是一个小版本更新,但包含了多个影响用户体验的重要修复。特别是对iOS 18图像兼容性的改进和公共时间线语言过滤的修正,进一步提升了平台的稳定性和可用性。对于运行Mastodon实例的管理员来说,及时升级到这个版本可以确保用户获得最佳的使用体验。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00