Pharo 13.0.0 版本发布:现代Smalltalk开发环境的重大升级
Pharo作为现代Smalltalk开发环境的代表项目,近日发布了13.0.0版本,这是继12.0.0之后的一次重大更新。Pharo以其简洁纯粹的面向对象设计、强大的开发工具和活跃的社区而闻名,为开发者提供了极致的编程体验。
核心改进与特性
本次13.0.0版本包含了超过400项变更,涉及编译器、调试器、UI框架、工具链等多个核心组件。其中最具代表性的改进包括:
1. 重构工具链现代化
Pharo 13对重构系统进行了全面升级,引入了全新的驱动架构。开发者现在可以体验到更稳定可靠的"提取方法"、"内联方法"、"重命名变量"等重构操作。特别是"复制类"重构功能得到了显著增强,解决了在复杂类层次结构中的复制问题。
2. 调试与反射能力提升
新版本改进了调试点(debug point)系统,修复了在元类方法上设置调试点的问题。反射API的link:toAST:方法现在能正确处理元类方法,为元编程提供了更强大的支持。同时还新增了"栈上替换"(OnStack replacement)特性,使得在不中断程序执行的情况下更新代码成为可能。
3. 主题与UI改进
引入了全新的DarkBlueTheme深色主题,优化了颜色对比度,为长时间编码的开发者提供更舒适的视觉体验。UI框架方面,改进了FormSet的缩放处理,不再需要频繁重新计算缩放比例,提升了图形渲染性能。
4. 编译器与运行时优化
对FFI(外部函数接口)调用进行了多项改进,包括添加了相同类型和大小数组类型的缓存,显著提升了FFI调用性能。新增了newTenured分配方法,为内存管理提供了更多控制选项。随机数生成器(Random)的初始化速度也得到了优化。
开发者工具增强
Pharo 13对开发者工具链进行了多项实用改进:
- 快捷键编辑器:全新的快捷键管理界面,让自定义开发环境更加方便
- 图标包管理器:集中管理项目使用的图标资源
- 改进的代码补全:增强了对闭包和块(block)的支持
- 进程浏览器:全新的实现,提供更清晰的进程状态视图
- 设置浏览器:支持直接从规则类跳转到相关设置
向后兼容性与迁移
考虑到大型项目的迁移成本,Pharo 13在引入新特性的同时,也注重保持向后兼容性:
- 提供了过渡性的兼容层,帮助现有代码逐步迁移到新API
- 新增了
SystemBuildInfo类,方便查询系统构建信息 - 改进了错误消息,特别是在类定义加载失败时提供更详细的诊断信息
- 文档系统中增加了关于对象检查器迁移的专门说明
性能优化
性能始终是Pharo关注的重点,13.0.0版本包含多项优化:
- 加速了方法安装过程,将编译与安装步骤分离
- 优化了包(Package)相关操作的性能
- 改进了集合类的部分方法实现
- 减少了不必要的AST(抽象语法树)重新计算
- 优化了随机数生成器的种子处理
开发者体验
Pharo 13在提升开发者体验方面做了大量工作:
- 代码编辑器现在能正确处理FFI调用的格式化
- 改进了自动配对字符的处理逻辑
- 增强了对数字字面量中下划线的支持(如
1_000_000) - 提供了更智能的文本导航功能,支持按不同字符组移动
- 改进了撤销/重做系统的可靠性
总结
Pharo 13.0.0版本标志着这个现代化Smalltalk环境又向前迈进了一大步。通过重构核心工具链、增强调试能力、优化性能和改进UI,它为开发者提供了更强大、更稳定的编程环境。无论是长期使用Pharo的开发者,还是对Smalltalk感兴趣的新用户,都能从这个版本中获得显著的体验提升。
随着Pharo社区的持续活跃和开发团队的不断努力,我们可以期待这个项目在未来带来更多创新和改进,继续推动面向对象编程的发展边界。
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-X1-7BSpark-Prover-X1-7B 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-X1-7BSpark-Formalizer-X1-7B 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).Dockerfile015
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