ZD至顶网软件频道消息: 现在所有人都可以使用了——微软顶尖的工程师表示,“呼吸新鲜的空气吧!”
据Stack Overflow的估计,Swift在最受欢迎的编程语言中排名第二,该语言已经出现在了IBM的BlueMix云平台之上,供所有人使用。
她从今年二月份开始成为BlueMix之上的一个运行时,当时IBM提供了一种方式将Swift二进制上载到Linux容器将其打造成为一个应用程序,进入令人向往的世界。
在六月份召开的苹果公司Worldwide Developers Conference大会取得了进一步的进展,苹果公司在大会上发布了Kitura,这是一个Swift网络应用程序框架,以及各种产品包以处理套接字、安全性、组网、存储等。
得到了Kitura——上周发布了1.0版本——和其他的网络应用程序框架,例如Perfect、Swift Express、Tailor、Vapor和Zewo的支持,Swift已经成为编写基于服务器的应用程序的一种可行的方式。
本月早些发布的Swift 3.0最终导致正式的Swift Package Manager,简化了各种库的集成和维护的工作,以及各种开发人员不可避免会添加到他们的应用程序中的东西。
IBM Mobile Innovation Lab的杰出工程师Patrick Bohrer认为Swift对开发人员来说非常有趣,因为它提供了脚本语言的便捷性,并且提供了编译语言般的安全性和性能。
当然,让绰号“蓝色巨人”的IBM给冗余的员工下达情绪化的指令的可不仅仅是减少劳动的乐趣。它的乐趣也不仅仅是古怪的JavaScript或者过分冗长的Objective-C。但是对Swift的效果更好的描述可能是带来的愉快多过烦恼。
Bohrer对《The Register》表示,“这是大家都能够呼吸的新鲜空气。”
到目前为止,并没有很多公司加入进来,Bohrer将这一事实归结为适当的Linux支持要到3.0版本的发布才会出现。
Bohrer 表示,“现在有了一个我们能够使用的语言版本、一个网络框架以及一个运行时。” Bohrer 表示,“现在真的站在起跑线上了。”
IBM从2014年同苹果公司合作时就开始了同Swift的亲密接触,虽然IBM为苹果公司的iOS打造企业移动应用程序,而苹果公司在去年决定开放Swift的源代码。通过Swift能够支持服务器应用程序的能力,IBM确保了拥有这项技术的机构能够帮助其他的公司创建、部署和管理基于Swift的应用程序,最理想的情况下是和它的云服务结合在一起。
Bohrer认为Swift对机构应该有吸引力,因为Swift编写的应用程序和用其他语言编写的类似的应用程序相比,需要的内存更少。
Bohrer表示,“你有能力在给定的服务器上打包更多的运行时”,他表示IBM已经将Swift同JVM语言以及脚本语言进行了对比。
但是,Swift的未来仍然可能让人心碎。Apple的Chris Lattner在五月份的时候表示应用程序二进制接口(ABI)的稳定性最早在Swift 4.0才能实现。Swift 3.0应该带来资源和API稳定性,但是二进制不兼容的问题在该语言的下一次迭代中仍然可能存在,需要对应用程序进行重新构建。这可真有意思。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。