GQL 0.36.0版本发布:全面支持Interval类型与日期运算
GQL是一个开源的图查询语言实现项目,旨在提供高效、灵活的图数据查询能力。在最新的0.36.0版本中,GQL带来了对Interval类型的全面支持,并增强了日期运算功能,为开发者处理时间相关数据提供了更强大的工具。
Interval类型实现与运算支持
0.36.0版本的核心特性是实现了Interval类型及其相关运算。Interval类型用于表示时间间隔,在时间计算和日期处理中非常有用。新版本不仅实现了Interval的基本类型定义和AST节点表示,还支持了完整的算术运算和比较运算。
Interval类型支持以下算术运算符:
- 加法(+):可以计算两个时间间隔的和
- 减法(-):可以计算两个时间间隔的差
- 乘法(*):可以将时间间隔与数字相乘
- 除法(/):可以将时间间隔除以数字
同时,版本还实现了Interval的比较运算,包括等于(=)、不等于(!=)、大于(>)、大于等于(>=)、小于(<)和小于等于(<=)等操作符,使得时间间隔的比较变得简单直观。
安全范围检查与边界处理
考虑到实际应用中的安全性,GQL 0.36.0对Interval值进行了范围检查,确保所有Interval值都在-170M到170M的合理范围内。这一设计决策防止了过大或过小的时间间隔可能导致的溢出问题,保证了计算的稳定性和可靠性。
日期与整数的运算增强
除了Interval类型外,新版本还增强了日期运算功能。现在开发者可以直接对Date类型和Int类型进行加减运算,使得日期的增减操作更加便捷。例如,可以轻松地计算"今天加3天"或"某个日期减7天"这样的操作。
实用的Interval函数
0.36.0版本引入了两个实用的Interval处理函数:
- justify_days:用于调整天数表示,将超过30天的部分转换为月
- justify_hours:用于调整小时表示,将超过24小时的部分转换为天
这些函数使得时间间隔的规范化处理变得更加简单,特别适合需要精确时间计算的应用场景。
其他改进
在技术细节方面,新版本修复了token位置在消耗注释后的定位问题,提高了语法分析的准确性。同时,项目为多个平台提供了预编译的二进制文件,包括Linux、macOS和Windows的各种架构版本,方便不同环境的开发者使用。
GQL 0.36.0的这些改进使得它在处理时间相关数据时更加得心应手,为构建复杂的图数据查询应用提供了更强大的基础。无论是需要精确时间计算的应用,还是需要进行复杂日期处理的场景,这个版本都提供了完善的解决方案。
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-1.5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