JReleaser v1.17.0 发布:增强矩阵参数化与多平台支持
JReleaser 是一个强大的项目发布工具,能够帮助开发者自动化构建、打包和发布软件项目。它支持多种编程语言和平台,可以与各种构建工具和持续集成系统无缝集成。JReleaser 通过简化发布流程,使开发者能够更专注于代码开发而不是发布过程。
最新发布的 JReleaser v1.17.0 版本带来了一系列重要的功能增强和优化,特别是在矩阵参数化和多平台支持方面有了显著改进。这些新特性使得项目配置更加灵活,能够更好地适应复杂的发布需求。
矩阵参数化功能增强
v1.17.0 版本在多个组件中引入了矩阵参数化支持,这是本次更新的核心特性之一。
分发配置矩阵化
现在,分发(distributions)配置可以通过矩阵进行参数化。这意味着开发者可以定义一个矩阵,包含不同的参数组合,JReleaser 会自动为每个组合生成相应的分发配置。这在需要为不同平台或环境生成不同版本时特别有用,大大减少了重复配置的工作量。
JLink 目标JDK矩阵
JLink 组件的 targetJdks 配置现在支持矩阵参数化。开发者可以定义一个包含多个JDK版本的矩阵,JReleaser 会为每个JDK版本生成对应的JLink模块化镜像。这对于需要支持多个Java版本的项目来说是一个重大改进。
GraalVM JDK矩阵
类似地,nativeImage 组件的 graalJdks 配置也支持了矩阵参数化。这使得为不同GraalVM版本生成原生镜像变得更加简单和灵活。开发者可以轻松地为多个GraalVM版本构建原生可执行文件,而无需手动维护多个配置。
多平台支持改进
原生镜像汇编器增强
新版本对native-image汇编器进行了增强,支持x86和ARM架构的自定义配置。这意味着开发者可以为不同的CPU架构指定特定的构建参数,生成针对特定硬件优化的原生可执行文件。这一改进对于跨平台支持尤为重要,特别是在ARM架构越来越普及的今天。
平台过滤钩子
钩子(hooks)现在支持基于matrix.platform的平台过滤。当配置了平台选择时,JReleaser 会自动过滤掉不匹配当前平台的钩子。这使得平台特定的预处理或后处理操作更加容易实现和维护。
其他重要改进
Maven Central 快照发布
现在,mavenCentral 部署器允许发布快照版本。这为开发者在开发过程中测试和共享中间版本提供了便利,而不必等待正式发布。
自定义 Scoop 清单
新增了对自定义Scoop清单的支持。Scoop是Windows上的包管理器,这一改进使得为Windows用户提供更友好的安装体验成为可能。
初始化脚本
新版本添加了一个setup脚本,简化了JReleaser的初始配置过程。开发者可以更快地开始使用JReleaser,而不必手动处理复杂的初始配置。
向后兼容性说明
值得注意的是,v1.17.0 版本中Twitter公告功能已被标记为废弃。开发者应考虑迁移到其他社交媒体公告渠道,因为这一功能可能在未来的版本中被移除。
总结
JReleaser v1.17.0 通过引入矩阵参数化和增强多平台支持,为项目发布流程带来了更高的灵活性和自动化程度。这些改进特别适合需要支持多种环境、平台或配置的项目。新版本还通过添加自定义Scoop清单和初始化脚本等特性,进一步提升了用户体验。
对于需要复杂发布策略的项目团队来说,升级到v1.17.0版本将能够显著简化配置工作,提高发布效率。特别是那些需要为不同平台或Java版本构建和发布的项目,新版本的矩阵参数化功能将大大减少重复配置的工作量。
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
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