Windows App SDK 1.8实验版2发布:本地AI能力与开发体验全面升级
Windows App SDK是微软推出的现代化Windows应用开发框架,它为开发者提供了一套统一的API和工具,用于构建跨Windows 10和Windows 11的高性能应用程序。本次发布的1.8实验版2带来了多项重要更新,特别是在人工智能集成和开发体验方面有显著提升。
本地AI能力增强
本次更新最引人注目的是对Windows AI API的深度集成,使开发者能够轻松为应用程序添加智能功能。其中最重要的两项AI能力包括:
-
对话摘要功能:基于Phi Silica技术,该功能可以自动总结电子邮件、通讯记录或讨论线程中的关键内容。这项技术直接在设备端运行,无需云端处理,既保护了用户隐私,又能提供即时响应。
-
LoRA微调支持:Low-Rank Adaptation(低秩适应)技术允许开发者使用自己的数据集对设备端语言模型Phi Silica进行定制化微调。这意味着开发者可以创建更符合特定领域或用户需求的个性化AI体验,同时保持模型的高效运行。
开发工具与API改进
除了AI能力外,本次更新还包含多项对开发者友好的改进:
-
Decimal数据类型支持:新增了高精度的十进制数值类型,特别适合金融和科学计算场景,有效避免了浮点数类型常见的精度损失和舍入误差问题。
-
NuGet包结构调整:Windows App SDK的NuGet包已转变为元包(metapackage)形式。这种模块化设计让开发者可以只引用项目实际需要的组件,减少了不必要的依赖和包体积。
-
MSIX发布支持模块化:将MSIX打包发布功能分离为独立的NuGet包,这种设计提高了组件的复用性,不仅服务于Windows App SDK,也可被其他项目单独使用。
单项目解决方案优化
针对单项目解决方案的开发体验,本次更新解决了多个功能缺口:
- 增加了MSIX捆绑包(bundle)的生成支持
- 完善了MSIX上传包的生成功能
- 优化了整体构建和发布流程
这些改进使得使用单项目模板的开发者能够获得更完整的应用打包和发布体验。
结语
Windows App SDK 1.8实验版2通过引入本地AI能力和多项开发体验优化,为Windows应用开发带来了更多可能性。特别是Phi Silica技术的集成,让开发者能够在保护用户隐私的前提下,为应用添加智能功能。同时,模块化的包结构和独立的MSIX支持也体现了微软对开发者体验的持续关注。
对于考虑在应用中添加AI功能的开发者,建议同时参考微软关于负责任AI开发的指导原则,确保AI功能的开发和使用符合伦理要求。随着Windows App SDK的不断演进,Windows平台的应用开发将变得更加高效和强大。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00