TestFx v3.9.0 版本发布:MSTest 和测试平台的重要更新
TestFx 是微软推出的一个开源测试框架,它为 .NET 开发者提供了强大的单元测试和集成测试能力。TestFx 包含了 MSTest 测试框架和 Microsoft Testing Platform 测试平台两大核心组件,广泛应用于 .NET 生态系统的测试场景中。
版本亮点
TestFx v3.9.0 版本主要聚焦于 MSTest 和 Microsoft Testing Platform 的改进与修复,带来了多项重要更新:
MSTest 框架增强
-
UWP/WinUI 异步测试支持
现在开发者可以在 UWP 和 WinUI 应用程序中使用异步测试方法(UITestMethod)。这一改进使得 UI 测试代码可以更自然地使用 async/await 模式,简化了异步 UI 操作的测试编写。 -
重复数据行分析器
新增了一个静态分析器,用于检测测试类中重复的 DataRow 属性。这有助于开发者在早期发现可能的数据驱动测试中的重复数据问题,提高测试质量。 -
ClassCleanup 调用修复
修复了当类中第一个测试被忽略时,ClassCleanup 方法不会被调用的 bug。现在无论测试执行情况如何,ClassCleanup 都能被正确调用,确保测试环境的正确清理。 -
跨 AppDomain 警告输出
改进了在 AppDomain 边界外写入警告信息的行为,使得警告信息能够更可靠地传递和显示。
Microsoft Testing Platform 改进
-
Azure DevOps 扩展(Alpha)
新增了一个处于 Alpha 阶段的 Azure DevOps 扩展,用于在 Azure DevOps 流水线中报告测试错误。这一功能为持续集成环境提供了更好的测试结果可视化支持。 -
测试主机稳定性增强
当写入挂起转储失败时,系统现在会主动终止测试主机进程,防止测试执行陷入不可恢复的状态。
测试体验优化
此版本还改进了 dotnet test 命令的体验,特别是在重试插件方面。团队已经开始在自己的代码库中验证这一新体验。对于使用 .NET 10 的开发者,可以通过配置启用 Microsoft Testing Platform 模式下的 dotnet test 命令,获得更现代化的测试执行体验。
社区贡献
v3.9.0 版本还迎来了三位新贡献者的加入,他们为项目带来了宝贵的代码贡献。社区参与是开源项目发展的重要动力,TestFx 团队欢迎更多开发者参与贡献。
总结
TestFx v3.9.0 版本通过多项功能增强和问题修复,进一步提升了测试框架的稳定性和开发者体验。特别是对异步 UI 测试的支持和重复数据检测功能的加入,将显著提高测试代码的质量和可维护性。对于使用 MSTest 和 Microsoft Testing Platform 的 .NET 开发者来说,升级到这个版本将带来更顺畅的测试编写和执行体验。
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
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