Yaklang Yakit 1.4.0版本发布:安全测试工具的多项功能升级
Yakit是Yaklang团队开发的一款开源安全测试工具,它集成了多种安全测试功能,包括Web安全检查、代码审计、MITM代理等。作为一款专为安全研究人员设计的工具,Yakit以其强大的功能和易用的界面在安全社区中广受欢迎。本次发布的1.4.0版本带来了多项功能改进和用户体验优化。
核心功能升级
历史记录多色标记功能
新版本对历史记录功能进行了增强,现在支持为不同类型的请求记录设置不同的颜色标记。这一改进使得安全研究人员能够更直观地区分和识别各种请求类型,特别是在处理大量历史数据时。WebSocket通信记录也同样支持了颜色标记功能,这对于分析复杂的WebSocket交互场景尤为有用。
代码审计功能优化
代码审计模块在本版本中获得了显著改进。新增的"上一个/下一个"导航功能让审计人员能够更高效地在代码审计结果间切换。这一改进特别适合在大型代码库中快速定位和审查潜在的安全问题,大大提升了代码审计的工作效率。
交互体验改进
参数校验与交互优化
1.4.0版本增强了交互式插件的参数校验功能,确保用户输入符合预期格式,减少了因参数错误导致的执行失败。同时,代码扫描参数的填写交互也得到了优化,使得配置过程更加直观和用户友好。
WebFuzzer功能增强
WebFuzzer模块现在支持将生成的YAML配置直接保存为插件,并能自动提取插件名称和描述信息。这一改进简化了插件创建流程,让安全研究人员能够更快速地将常用测试用例转化为可复用的插件。
MITM与WebFuzzer热加载改进
MITM(中间人代理)模块的热加载功能在本版本中获得了重大升级:
- 支持自定义模板,用户可以根据自己的需求定制热加载行为
- 新增了启动热加载后的停止功能,提供了更灵活的控制选项
- WebFuzzer的热加载现在支持每个标签页独立使用,并同样支持自定义模板
这些改进使得热加载功能更加灵活和强大,能够适应更多复杂的测试场景。
稳定性修复
本次更新还修复了几个影响用户体验的关键问题:
- 解决了引擎切换失败导致界面卡在加载状态的问题
- 优化了多个功能模块的稳定性,减少了意外崩溃的可能性
总结
Yakit 1.4.0版本通过多项功能升级和用户体验优化,进一步巩固了其作为专业安全测试工具的地位。从历史记录的多色标记到代码审计的导航改进,再到热加载功能的增强,这些更新都体现了Yakit团队对用户需求的深入理解和对产品质量的不懈追求。对于安全研究人员来说,升级到1.4.0版本将获得更高效、更稳定的测试体验。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00