Enso 2025.1.3-rc2 版本发布:数据流编程语言的重大更新
Enso 是一款创新的数据流编程语言和可视化开发环境,它将传统的文本编程与可视化节点编辑完美结合。Enso 特别适合数据科学、ETL(提取、转换、加载)流程以及复杂的数据处理任务,通过直观的图形界面让开发者能够更高效地构建数据管道。
核心功能增强
可视化编辑器改进
最新版本对 Enso 的可视化编辑器进行了多项重要改进。组件浏览器现在采用分组显示方式,并增加了组件文档摘要,使开发者能更快找到所需功能。输出端口旁的"添加组件"按钮被重新设计为小型突出按钮,提升了界面整洁度。
编辑器现在支持多行文本字面量的编辑,解决了之前只能处理单行文本的限制。错误消息显示也得到优化,当鼠标悬停在输出端口上时,错误消息会变为半透明,不再阻碍交互。
表格处理能力提升
表格编辑器组件获得多项增强:点击表头可直接开始编辑;使用 Tab 和 Enter 键可在单元格间快速导航;当尝试覆盖现有文件时会显示警告。更重要的是,表格可视化现在采用服务器端过滤和排序,显著提升了大数据集的处理性能。
语言与运行时优化
类型系统增强
Enso 2025.1.3-rc2 引入了交集类型(Intersection Types)支持,这是一个重要的类型系统扩展。交集类型允许值同时属于多个类型,编译器会确保这些类型约束得到满足。同时改进了类型检查机制,使类型系统更加健全。
错误处理改进
运行时现在会正确处理"损坏值"(broken values),不再忽略它们而是进行适当提升。当尝试将同一个值注册为多个托管资源时,现在会明确报错,帮助开发者及早发现问题。
标准库扩展
数据库连接增强
新版本大幅扩展了数据库连接能力,增加了对通用 JDBC 连接的支持,包括通过外部驱动程序的连接方式。Snowflake 连接器现在支持密钥对认证,提升了安全性。PostgreSQL、SQLite、Snowflake 和 SQL Server 都新增了 offset 功能支持。
表格操作功能
标准库增加了 Table.offset 和 Column.offset 方法,方便进行数据分页。新增的 Table.generate_rows 方法简化了测试数据的生成。正则表达式支持被扩展到更多操作中,包括过滤器和表达式语言。
数学与字符串处理
表达式语言现在支持基本算术运算和数学常数(如 pi() 和 e())。字符串处理方面增加了正则表达式匹配功能,包括专门的 regex_match 方法和对 PostgreSQL、Snowflake 的原生支持。
开发者体验优化
文档与帮助系统
文档面板现在支持渲染编号列表和嵌套列表,增加了编辑按钮和"插入链接"功能。文本可以方便地设置为粗体或斜体,使文档编写更加直观。组件浏览器会显示组件的简短文档摘要,帮助开发者快速理解功能。
交互改进
右键点击图形编辑器背景现在会显示上下文菜单,增加了导航便捷性。缩放控件现在常驻显示,操作更加直观。颜色选择器针对选中节点进行了优化,视觉反馈更加明确。
性能与稳定性
新版本默认启用原生镜像模式(Native Image),提升了运行时性能。表格可视化采用服务器端处理,大幅改善了大数据集的操作体验。多项错误修复增强了整体稳定性,包括重做栈管理、节点选择行为和项目重命名后的状态保持等。
Enso 2025.1.3-rc2 版本通过上述多项改进,进一步巩固了其作为数据流编程解决方案的地位,为数据科学家和开发者提供了更强大、更易用的工具集。
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