SQLAlchemy 2.0.39 版本发布:ORM与SQL功能增强解析
SQLAlchemy 是一个流行的 Python SQL 工具包和对象关系映射(ORM)框架,它提供了完整的SQL功能和强大的ORM层。最新发布的2.0.39版本带来了一系列重要的改进和修复,主要集中在ORM功能增强、SQL语句处理优化以及特定数据库方言的支持上。
ORM功能改进
本次版本对ORM层进行了多项重要修复。首先是解决了使用DML返回语句(如Insert.returning())时,当ORM模型包含带有子查询的column_property()构造时会失败的问题。这个修复使得开发者可以更灵活地在ORM操作中使用返回子句,同时结合复杂的属性定义。
另一个重要改进是修复了多表DML语句(如UPDATE和DELETE)中,当使用RETURNING子句时无法正确返回非主表映射列的问题。这意味着现在可以在ORM操作中更自由地跨多表进行数据修改,并获取相关表的返回结果。
版本还优化了ORM语句的识别机制,现在即使在使用复杂的多部分操作符表达式(如Cls.attr + Cls.attr + Cls.attr)时,也能正确识别为ORM语句并应用相应的ORM行为。
SQL语句处理优化
在SQL核心层,2.0.39版本引入了对AddConstraint和DropConstraint构造的新参数isolate_from_table,这个参数控制约束是否应该从"CREATE TABLE"序列中分离出来。这一改变使得开发者可以更精确地控制约束的创建方式,特别是在需要单独添加或删除约束的场景下。
数据库方言特定改进
对于PostgreSQL用户,这个版本修复了多个重要问题:
- 修复了网络类型(INET、CIDR、MACADDR等)比较时的不必要VARCHAR转换问题,提高了查询效率
- 改进了FOR UPDATE OF子句在子查询中的处理
- 修复了PostgreSQL 17.3及以上版本中域(domain)反射的问题
SQLite用户则会注意到修复了同时配置WITH ROWID和STRICT表选项时的语法生成问题,现在会正确生成逗号分隔的选项列表。
异步支持改进
在异步(asyncio)支持方面,修复了AsyncResult的scalar()、scalar_one_or_none()和scalar_one()方法因缺少内部属性而引发的AttributeError问题,使得异步查询更加稳定可靠。
类型注解增强
类型提示方面,现在支持了复合查询(如union、union_all等)的泛型类型,返回类型会正确地匹配第一个查询的类型,为开发者提供了更好的类型检查支持。
总结
SQLAlchemy 2.0.39版本虽然是一个小版本更新,但包含了多项对开发者体验有实质性提升的改进。从ORM层的DML操作增强,到SQL语句生成的优化,再到特定数据库方言的修复,这些改进都使得SQLAlchemy在数据访问层的表现更加稳定和强大。对于正在使用SQLAlchemy的项目,特别是那些依赖复杂ORM操作或多数据库支持的项目,升级到这个版本将能获得更好的开发体验和运行时稳定性。
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
Spark-Prover-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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