xh项目v0.24.0版本发布:新增请求压缩与Shell补全功能
xh是一个用Rust编写的现代化HTTP命令行客户端,它提供了比传统curl更简洁直观的语法,同时保持了高性能和丰富的功能特性。该项目旨在为开发者和系统管理员提供一个更友好的HTTP请求工具,特别适合日常API调试和自动化脚本编写。
主要功能更新
运行时生成文档与补全
本次v0.24.0版本引入了--generate选项,这是一个非常实用的功能改进。通过这个选项,用户可以在运行时动态生成man手册页和各种shell的自动补全脚本。对于经常在不同环境中工作的开发者来说,这意味着不再需要预先安装或配置这些文档和补全功能,大大提高了工具的便携性。
该版本新增了对Elvish和Nushell这两种现代shell的补全支持,使得xh在这些新兴shell环境中也能提供流畅的自动补全体验。考虑到Elvish和Nushell在开发者社区中日益增长的流行度,这一改进将显著提升用户体验。
请求体压缩功能
另一个值得关注的新特性是--compress选项,它允许用户对HTTP请求体进行压缩。在传输大量数据时,这个功能可以显著减少网络带宽使用,提高传输效率。对于需要频繁发送大体积JSON或其他数据的API调用场景特别有用。
底层改进与修复
在cookie处理方面,本次版本修复了一个关于cookie路径存储的问题。现在,当cookie没有显式指定路径属性时,xh会正确存储默认路径,这确保了cookie在后续请求中的正确传递和使用,对于依赖cookie认证的Web应用测试尤为重要。
构建系统优化
项目构建系统也进行了改进,现在支持通过SOURCE_DATE_EPOCH环境变量生成具有可重现时间戳的man手册页。这一变化使得构建过程更加符合可重现构建(Reproducible Builds)的标准,对于Linux发行版打包和其他需要严格构建控制的场景很有价值。
依赖项升级
底层依赖库cookie_store已升级至0.21.1版本,这一更新带来了更稳定可靠的cookie存储实现,同时可能包含了一些性能优化和安全修复。
总结
xh v0.24.0版本在用户体验和功能完整性方面都有显著提升。新增的运行时文档生成和扩展的shell补全支持使得工具更加易用,而请求体压缩功能则为特定使用场景提供了性能优化。这些改进进一步巩固了xh作为现代HTTP命令行客户端的地位,值得开发者和系统管理员升级使用。
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