oRPC v1.1.0 发布:OpenAPI 参考插件与 React Native 支持
oRPC 是一个现代化的 TypeScript RPC 框架,旨在简化客户端和服务器之间的通信。它提供了类型安全的 API 调用体验,让开发者能够专注于业务逻辑而不是通信细节。最新发布的 v1.1.0 版本带来了两个重要特性:OpenAPI 参考插件和部分 React Native 支持。
OpenAPI 参考插件
新版本引入了 OpenAPI 参考插件,这是一个强大的工具,可以自动为你的 oRPC API 生成美观的 OpenAPI 参考客户端界面。这个功能基于 Scalar 实现,为开发者提供了直观的 API 文档浏览和测试体验。
使用这个插件非常简单,只需要在 OpenAPIHandler 中配置即可:
const handler = new OpenAPIHandler(router, {
plugins: [
new OpenAPIReferencePlugin({
schemaConverters: [
new ZodToJsonSchemaConverter(),
],
specGenerateOptions: {
info: {
title: 'ORPC Playground',
version: '1.0.0',
},
},
}),
]
})
这个插件支持多种模式转换器,如 ZodToJsonSchemaConverter,可以将你的类型定义转换为 OpenAPI 规范。生成的文档不仅美观,还支持交互式测试,大大提升了 API 的开发和使用体验。
React Native 部分支持
v1.1.0 版本还引入了对 React Native 的部分支持。虽然 React Native 自带了 Fetch API,但其功能有一定限制。oRPC 现在可以适配这些限制,让开发者能够在 React Native 应用中使用基本的 RPC 功能。
需要注意的是,由于 React Native 的 Fetch API 实现限制,oRPC 的一些高级特性如文件传输、Blob 处理和异步迭代器对象目前还不支持。开发者可以关注 React Native 官方对 Stream 支持的进展来了解这些功能何时可用。
其他改进
除了上述主要特性外,v1.1.0 还包含了一些值得注意的改进:
- 批量插件现在能够自动从链接推断上下文,简化了批量请求的处理逻辑
- 服务器中间件现在支持更精确的类型推断,提升了类型安全性
- 标准服务器适配器现在能够更好地处理 React Native 的特殊情况
这些改进使得 oRPC 在各种场景下的使用更加顺畅,特别是对于需要同时支持 Web 和移动应用的开发者来说,这些增强功能将大大提升开发效率。
oRPC 继续保持着对开发者友好的设计理念,通过类型安全和简洁的 API 帮助开发者构建可靠的分布式系统。v1.1.0 的这些新特性进一步扩展了它的适用场景,使其成为现代 TypeScript 项目中值得考虑的 RPC 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-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