鼠鬚管输入法1.0.3版本发布:新增翻页提示与核心引擎升级
鼠鬚管(Squirrel)是一款基于Rime输入法引擎的开源输入法框架,主要面向macOS平台用户。作为Rime生态系统中的重要组成部分,鼠鬚管以其高度可定制性和简洁高效的特点受到技术用户的青睐。本次发布的1.0.3版本带来了多项实用更新和问题修复。
核心功能更新
新增翻页提示功能
1.0.3版本引入了一个实用的翻页提示功能,用户可以通过配置项style/show_paging来控制是否显示这一提示。当候选词列表超过一页时,该功能会直观地提示用户当前页数和剩余候选词数量,提升了输入体验的直观性。
librime引擎升级至1.13.0
本次更新将核心输入引擎librime从之前的版本升级到了1.13.0,这一升级带来了多项重要改进:
-
数字后标点优化:新版本对数字后的标点符号处理进行了优化,使输入数字后的标点更加符合用户预期。用户可以通过
punctuator/digit_separators配置项来自定义这一行为。 -
多标签翻译器支持:translator组件现在支持多个tag,这为输入法的功能扩展提供了更大的灵活性,开发者可以创建更复杂的输入逻辑和转换规则。
-
性能与稳定性提升:1.12和1.13两个主要版本的更新包含了多项底层优化,提升了输入法的整体性能和稳定性。
问题修复与改进
-
emoji面板切换问题:修复了从emoji选择面板切换回常规输入时输入法无法正常使用的严重问题。
-
不必要的重复部署:解决了系统每次启动时都会重新部署输入法的问题,现在只有当实际配置发生变化时才会触发部署过程,提高了系统效率。
安装与使用注意事项
用户在安装1.0.3版本后需要注意以下事项:
-
重新登录:安装完成后需要退出当前用户会话并重新登录,以确保输入法正确加载。
-
手动添加输入法:如果安装后鼠鬚管没有自动出现在输入法列表中,用户需要手动将其添加到系统输入法选项中。
技术价值分析
从技术架构角度看,1.0.3版本的更新体现了鼠鬚管项目对用户体验和系统稳定性的持续关注。翻页提示功能的加入虽然看似简单,但显著提升了用户对候选词导航的感知度。而librime引擎的升级则带来了更强大的底层支持,特别是多标签translator的支持为未来的功能扩展奠定了基础。
修复的emoji面板切换问题和重复部署问题都是实际使用中用户反馈较多的问题点,这些修复将显著提升日常使用的流畅度。
总体而言,鼠鬚管1.0.3版本在保持项目简洁高效特点的同时,通过有针对性的功能增强和问题修复,进一步提升了产品的成熟度和用户体验。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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