Stream Chat Android 6.17.0版本发布:性能优化与功能增强
Stream Chat Android是一个功能强大的即时通讯SDK,为开发者提供了构建聊天应用所需的各种组件和功能。本次6.17.0版本的发布,主要聚焦于性能优化、用户体验改进以及新功能的引入。
客户端核心改进
在stream-chat-android-client模块中,开发团队进行了两项重要改进:
-
消息解析增强:现在当从API或事件中解析Message对象时,会自动添加ChannelInfo作为回退机制。这意味着即使在特定情况下无法获取完整的频道信息,系统也能提供基本的频道数据,确保消息显示的完整性。
-
令牌刷新优化:改进了WebSocket重新连接时的令牌刷新逻辑。现在只有当重新连接是由于令牌问题触发时,才会进行令牌刷新操作。这一优化减少了不必要的网络请求,提高了连接效率。
UI组件性能提升
stream-chat-android-ui-components模块中,视频/音频附件播放性能得到了显著提升:
- 用ExoPlayer替代了原有的VideoView实现。ExoPlayer是Google推荐的媒体播放解决方案,具有更好的性能、更低的延迟和更高的稳定性。这一改变使得聊天中的媒体播放更加流畅,特别是在处理多种格式的视频和音频文件时表现更优。
Compose组件改进
在stream-chat-android-compose模块中,开发团队进行了多项优化和新功能开发:
性能优化
-
图形层修饰符改进:采用了基于lambda的graphicsLayer修饰符,避免了修饰符中可变状态导致的不必要重组,显著提升了界面渲染性能。
-
消息已读状态优化:现在只有当应用处于前台时,才会将最底部的消息标记为已读。这一改变更符合用户实际使用场景,避免了后台不必要的状态更新。
新功能引入
-
频道信息界面:新增了实验性的DirectChannelInfoScreen和GroupChannelInfoScreen组件,用于展示频道信息和可用的频道操作。这些组件为开发者提供了开箱即用的频道管理界面。
-
成员信息模态框:新增了内部使用的ChannelInfoMemberInfoModalSheet组件,用于展示频道成员信息和相关操作选项。
API变更
- 消息列表头部点击处理:MessageListHeaderCenterContent现在支持可选的onClick参数,使点击处理更加灵活。同时MessageListHeader也支持nullable的onHeaderTitleClick,当头部不可点击时不会显示涟漪效果。
这些改进和新增功能使得Stream Chat Android SDK在性能、稳定性和功能丰富度上都得到了提升,为开发者构建高质量的聊天应用提供了更好的基础。特别是媒体播放性能的改进和Compose组件的优化,将直接提升终端用户的使用体验。
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