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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00