NSwag v14.4.0发布:提升性能与支持STJ原生代码生成
NSwag是一个强大的.NET工具链,用于生成Swagger/OpenAPI规范文档,并基于这些规范自动生成客户端代码。它支持多种语言(如TypeScript、C#)的客户端生成,并提供了丰富的功能来简化API开发流程。最新发布的v14.4.0版本带来了一系列性能优化和功能增强,特别是对System.Text.Json(STJ)原生代码生成的支持。
性能优化
本次版本在多个方面进行了性能优化,显著提升了处理大型API规范时的效率:
-
响应模型处理优化:改进了OpenApiOperation中ActualResponses和Responses的性能,减少了不必要的计算开销。
-
操作ID生成优化:优化了OpenApiDocument.GenerateOperationIds方法的性能,使得为大量API端点生成唯一ID时更加高效。
-
客户端生成优化:MultipleClientsFromOperationIdOperationNameGenerator中的重复检查逻辑得到改进,减少了客户端代码生成时的计算负担。
-
字典操作优化:ObservableDictionary的CollectionChanged事件处理更加高效,提升了整体响应速度。
功能增强
-
System.Text.Json原生支持:新增了对STJ原生C#代码生成的支持,使开发者能够充分利用STJ的高性能和低内存占用特性。这对于构建高性能API客户端特别有价值。
-
参数处理改进:修复了可选参数在生成的TypeScript和C#客户端中的排序问题,确保API调用的参数顺序与原始定义一致。
-
数组参数检查:修正了数组参数爆炸检查逻辑,防止在处理复杂数组参数时出现错误。
-
项目目录解析:增加了对MSBuildProjectDirectory的回退支持,提高了在复杂项目结构中解析ProjectDir的可靠性。
兼容性更新
-
.NET 8支持:核心库现在增加了对.NET 8的目标框架支持,使开发者能够在最新的.NET平台上使用NSwag。
-
依赖项升级:更新了NJsonSchema至v11.3.2和Namotion.Reflection至v3.4.2,带来了底层库的改进和bug修复。
-
Swagger UI更新:集成了最新的Swagger UI v5.21.0,提供了更完善的API文档展示功能。
错误修复
-
模式缺失容错:OperationModelBase.GetActualParameters现在能够更好地处理缺失的模式定义,提高了工具的健壮性。
-
字符串API使用:修复了一些字符串API的使用问题,提高了代码的稳定性和性能。
总结
NSwag v14.4.0通过一系列性能优化和功能增强,进一步巩固了其作为.NET生态系统中API开发首选工具的地位。特别是对System.Text.Json的原生支持,使得开发者能够构建更高效的API客户端。这些改进使得NSwag在处理大型API项目时更加高效可靠,为开发者提供了更好的开发体验。
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