stlite v0.76.0 版本发布:桌面端与浏览器端的重要更新
stlite 是一个基于 Streamlit 的轻量级实现,它允许开发者在不依赖 Python 服务器的情况下运行 Streamlit 应用。这个项目特别适合需要将 Streamlit 应用嵌入到网页或桌面应用中的场景。最新发布的 v0.76.0 版本带来了一系列重要的改进和修复。
核心更新内容
Streamlit 框架升级至 1.41.0
本次更新将底层依赖的 Streamlit 框架从之前的版本升级到了 1.41.0。这个升级带来了 Streamlit 最新的功能和性能优化,包括:
- 更高效的数据处理能力
- 改进的组件渲染性能
- 新增的 API 功能
- 修复了多个已知问题
桌面端重大改进
stlite 的桌面版本在这个版本中获得了显著增强:
-
Electron 框架升级至 33 版本:这带来了更好的跨平台兼容性和性能提升,特别是在 Windows 和 macOS 系统上。
-
IPC 通信机制修复:解决了进程间通信(IPC)的消息命名问题,确保了主进程和渲染进程之间更可靠的数据传输。
-
Worker 线程优化:改进了 CrossOriginWorker 的实现,使其能够更好地支持 type=module 的脚本加载方式。
-
打包优化:移除了打包后的 *.whl 文件中的哈希部分,简化了文件命名和管理。
构建系统与开发工具改进
开发团队对项目的构建系统进行了多项优化:
-
Makefile 修复:解决了嵌套路径下的 sentinel 目标问题,并改进了 find 命令的使用方式,使构建过程更加可靠。
-
依赖项更新:升级了多个关键开发依赖,包括:
- rollup 从 4.21.3 升级到 4.30.1
- react-icons 从 5.0.1 升级到 5.4.0
- react-router-dom 从 6.21.1 升级到 7.1.1
- 以及其他多个工具链更新
-
构建配置优化:移除了不再必要的 eslint-webpack-plugin,并禁用了 @stlite/desktop 的 sourcemap 生成,减少了构建产物体积。
用户体验改进
-
错误提示优化:修复了 ErrorToastContent 的布局问题,使错误信息展示更加清晰美观。
-
共享功能修复:改进了 sharing/public/manifest.json 的配置,提升了应用共享时的兼容性。
-
React Toastify 升级:将 react-toastify 升级到 v11 版本,带来了更现代化的通知提示效果。
技术实现细节
在底层实现上,这个版本有几个值得注意的技术点:
-
模块化加载:通过改进 CrossOriginWorker 对 type=module 的支持,使得现代 JavaScript 模块能够更顺畅地在 Worker 中运行。
-
构建产物优化:通过移除 *.whl 文件中的哈希部分,简化了依赖管理,同时保持了内容的完整性校验。
-
TypeScript 支持增强:更新了 ts-proto 和相关类型定义,提升了类型安全性和开发体验。
开发者建议
对于使用 stlite 的开发者,这个版本建议:
-
如果是桌面应用开发者,建议尽快升级以利用 Electron 33 的新特性和性能改进。
-
对于需要共享应用的场景,新版本修复的 manifest.json 问题将提供更好的兼容性。
-
构建系统的改进使得开发环境更加稳定,建议更新所有开发依赖以获得最佳体验。
stlite v0.76.0 通过这一系列的更新和修复,进一步巩固了其作为轻量级 Streamlit 运行时的地位,为开发者提供了更稳定、更高效的开发体验。无论是嵌入到网页中还是构建桌面应用,这个版本都值得升级。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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