Manyfold项目v0.98.0版本发布:安全警告优化与多项改进
Manyfold是一个开源的3D建模与协作平台,它提供了丰富的功能来支持3D内容的创建、共享和协作。作为一个持续迭代的项目,Manyfold团队近期发布了v0.98.0版本,带来了一系列值得关注的改进和优化。
安全警告的可配置化
在Linux系统中,以root用户身份运行应用程序通常被认为是不安全的做法,因为这可能会带来潜在的系统风险。Manyfold项目一直遵循这一安全最佳实践,会在检测到以root身份运行时显示警告信息。然而,在某些特定的平台即服务(PaaS)环境中,这种运行方式实际上是安全的。
v0.98.0版本引入了一个新的环境变量SUDO_RUN_UNSAFELY,允许管理员在确认环境安全的情况下禁用这一警告。这一改进既保持了默认的安全防护,又为特定场景提供了灵活性,体现了项目团队对安全性和实用性的平衡考量。
S3存储服务的兼容性增强
Manyfold支持使用S3兼容的存储服务来保存项目数据。在v0.98.0版本中,团队对S3集成进行了两项重要改进:
-
路径风格URL的可配置性:新增了选项来控制是否对非AWS S3服务使用路径风格的URL。这一改进增强了与各种S3兼容存储服务的互操作性。
-
参数过滤修复:修复了S3路径风格参数过滤的问题,确保了参数传递的准确性和一致性。
这些改进使得Manyfold能够更好地适应不同的存储后端环境,特别是那些使用自建或第三方S3兼容存储服务的用户场景。
ActivityPub协议的完善
Manyfold支持ActivityPub协议来实现联邦社交功能。在v0.98.0版本中,团队对ActivityPub相关的实现进行了多项优化:
-
类型字段明确化:为创建者ActivityPub对象添加了具体的类型字段,提高了协议的兼容性。
-
用户表示规范化:在用户的ActivityStreams表示中添加了具体类型,使数据结构更加规范。
-
远程用户交互修复:解决了取消关注远程用户时可能出现的问题,提升了联邦社交功能的稳定性。
这些改进使得Manyfold在分布式社交网络中的表现更加可靠和符合标准。
开发体验优化
对于开发者而言,v0.98.0版本也带来了一些便利性改进:
-
开发模式下的SSL和主机名配置:现在可以更方便地配置SSL和主机名,支持使用ngrok隧道进行开发测试,简化了开发环境的搭建过程。
-
公共ID的大小写敏感性修复:解决了公共ID在处理时的大小写敏感性问题,确保了标识符的一致性。
总结
Manyfold v0.98.0版本虽然在功能上没有重大变化,但在细节上的打磨和完善体现了项目团队对产品质量的持续追求。从安全警告的可配置化,到存储服务的兼容性增强,再到ActivityPub协议的完善,每一项改进都针对实际使用场景中的痛点进行了优化。
这些看似微小的改进累积起来,将显著提升Manyfold的稳定性、兼容性和用户体验,为项目的长期发展奠定了更加坚实的基础。对于现有用户来说,升级到这个版本将获得更顺畅的使用体验;对于潜在用户而言,这些改进也展示了项目团队的严谨态度和技术实力。
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