Expensify/App 9.1.41版本发布:移动端优化与功能增强
Expensify是一款广受欢迎的财务管理应用,专注于简化个人和企业的报销流程。该应用提供了从费用跟踪到报告生成的全套解决方案,帮助用户高效管理财务事务。最新发布的9.1.41版本带来了一系列重要的功能改进和问题修复,特别是在移动端体验和报告管理方面有显著提升。
核心功能改进
交易选择模式优化
开发团队对交易选择模式进行了重要改进。当用户在多选模式下删除交易时,系统会自动检测剩余交易数量。如果只剩下一笔交易,系统会智能地退出选择模式,避免用户停留在不必要的工作状态。这种设计考虑到了用户的实际操作习惯,减少了不必要的界面切换操作。
费用报告动态更新
修复了一个影响用户体验的问题——费用报告标题现在能够实时动态更新。此前,当用户修改报告名称时,界面上的标题不会立即反映这一变化,需要手动刷新。新版本解决了这个问题,确保了界面数据与后台数据的实时同步。
系统消息显示优化
针对系统消息显示进行了多处改进。修复了当重命名费用报告时出现的错误系统消息格式问题。现在系统会正确显示"将房间重命名为..."的消息,而不是显示不相关的信息。此外,还优化了Concierge消息的显示格式,确保在报告列表中正确显示"在Concierge中"的提示。
移动端体验提升
Android构建流程改进
本次发布对Android平台的构建流程进行了多项优化:
- 恢复了远程构建功能,提高了开发效率
- 改进了混合远程构建的稳定性
- 安全地集成了bundletool工具,确保部署过程更加可靠
- 新增了部署失败时的Slack通知机制,便于开发团队快速响应问题
加载状态优化
在添加银行卡页面,现在会显示加载指示器,让用户在数据刷新过程中获得明确的反馈。这种视觉提示显著改善了用户在等待过程中的体验。
后台逻辑增强
未读标记处理
改进了聊天未读标记的逻辑。现在系统会排除已删除的操作记录,仅基于有效的最后操作时间来判断是否标记为未读。这一变化使得未读状态更加准确,避免了误标记的情况。
会计选择器验证
增强了会计选择器的输入验证功能。现在系统会严格检查输入的登录凭证,只接受有效格式的登录信息,提高了数据输入的准确性。
界面细节优化
金钱请求UI调整
对交易和金钱请求报告的界面进行了多处微调,包括:
- 优化了布局和间距
- 改进了视觉层次
- 增强了交互反馈
链接消息高亮
修复了金钱请求报告中链接消息的高亮显示问题。现在当用户点击链接时,相关消息会正确高亮显示,便于快速定位。
总结
Expensify 9.1.41版本通过一系列细致的改进,提升了应用的稳定性和用户体验。特别是在移动端构建流程、报告管理和界面交互方面的优化,体现了开发团队对产品细节的关注。这些改进虽然看似微小,但累积起来显著提升了整体使用体验,使Expensify继续保持其在财务管理应用领域的领先地位。
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-X1-7BSpark-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