@lobehub/chat 1.84.23 → 1.84.25

package/apps/desktop/src/main/controllers/__tests__/UpdaterCtr.test.ts

@@ -0,0 +1,82 @@
+import { beforeEach, describe, expect, it, vi } from 'vitest';
+
+import type { App } from '@/core/App';
+
+// 模拟 logger
+vi.mock('@/utils/logger', () => ({
+  createLogger: () => ({
+    info: vi.fn(),
+  }),
+}));
+
+import UpdaterCtr from '../UpdaterCtr';
+
+// 模拟 App 及其依赖项
+const mockCheckForUpdates = vi.fn();
+const mockDownloadUpdate = vi.fn();
+const mockInstallNow = vi.fn();
+const mockInstallLater = vi.fn();
+
+const mockApp = {
+  updaterManager: {
+    checkForUpdates: mockCheckForUpdates,
+    downloadUpdate: mockDownloadUpdate,
+    installNow: mockInstallNow,
+    installLater: mockInstallLater,
+  },
+} as unknown as App;
+
+describe('UpdaterCtr', () => {
+  let updaterCtr: UpdaterCtr;
+
+  beforeEach(() => {
+    vi.clearAllMocks();
+    updaterCtr = new UpdaterCtr(mockApp);
+  });
+
+  describe('checkForUpdates', () => {
+    it('should call updaterManager.checkForUpdates', async () => {
+      await updaterCtr.checkForUpdates();
+      expect(mockCheckForUpdates).toHaveBeenCalled();
+    });
+  });
+
+  describe('downloadUpdate', () => {
+    it('should call updaterManager.downloadUpdate', async () => {
+      await updaterCtr.downloadUpdate();
+      expect(mockDownloadUpdate).toHaveBeenCalled();
+    });
+  });
+
+  describe('quitAndInstallUpdate', () => {
+    it('should call updaterManager.installNow', () => {
+      updaterCtr.quitAndInstallUpdate();
+      expect(mockInstallNow).toHaveBeenCalled();
+    });
+  });
+
+  describe('installLater', () => {
+    it('should call updaterManager.installLater', () => {
+      updaterCtr.installLater();
+      expect(mockInstallLater).toHaveBeenCalled();
+    });
+  });
+
+  // 测试错误处理
+  describe('error handling', () => {
+    it('should handle errors when checking for updates', async () => {
+      const error = new Error('Network error');
+      mockCheckForUpdates.mockRejectedValueOnce(error);
+
+      // 由于控制器并未明确处理并返回错误，这里我们只验证调用发生且错误正确冒泡
+      await expect(updaterCtr.checkForUpdates()).rejects.toThrow(error);
+    });
+
+    it('should handle errors when downloading updates', async () => {
+      const error = new Error('Download failed');
+      mockDownloadUpdate.mockRejectedValueOnce(error);
+
+      await expect(updaterCtr.downloadUpdate()).rejects.toThrow(error);
+    });
+  });
+}); 

package/apps/desktop/src/main/services/fileSrv.ts

@@ -6,12 +6,16 @@ import { promisify } from 'node:util';
 
 import { FILE_STORAGE_DIR } from '@/const/dir';
 import { makeSureDirExist } from '@/utils/file-system';
+import { createLogger } from '@/utils/logger';
 
 import { ServiceModule } from './index';
 
 const readFilePromise = promisify(fs.readFile);
 const unlinkPromise = promisify(fs.unlink);
 
+// Create logger
+const logger = createLogger('services:FileService');
+
 interface UploadFileParams {
   content: ArrayBuffer;
   filename: string;
@@ -35,8 +39,10 @@ export default class FileService extends ServiceModule {
   constructor(app) {
     super(app);
 
-    // 初始化文件存储目录
+    // Initialize file storage directory
+    logger.info('Initializing file storage directory');
     makeSureDirExist(this.UPLOADS_DIR);
+    logger.debug(`Upload directory created: ${this.UPLOADS_DIR}`);
   }
 
   /**
@@ -48,19 +54,23 @@ export default class FileService extends ServiceModule {
     hash,
     type,
   }: UploadFileParams): Promise<{ metadata: FileMetadata; success: boolean }> {
+    logger.info(`Starting to upload file: ${filename}, hash: ${hash}`);
     try {
       // 创建时间戳目录
       const date = (Date.now() / 1000 / 60 / 60).toFixed(0);
       const dirname = join(this.UPLOADS_DIR, date);
+      logger.debug(`Creating timestamp directory: ${dirname}`);
       makeSureDirExist(dirname);
 
       // 生成文件保存路径
       const fileExt = filename.split('.').pop() || '';
       const savedFilename = `${hash}${fileExt ? `.${fileExt}` : ''}`;
       const savedPath = join(dirname, savedFilename);
+      logger.debug(`Generated file save path: ${savedPath}`);
 
       // 写入文件内容
       const buffer = Buffer.from(content);
+      logger.debug(`Writing file content, size: ${buffer.length} bytes`);
       await writeFile(savedPath, buffer);
 
       // 写入元数据文件
@@ -72,10 +82,12 @@ export default class FileService extends ServiceModule {
         size: buffer.length,
         type,
       };
+      logger.debug(`Writing metadata file: ${metaFilePath}`);
       await writeFile(metaFilePath, JSON.stringify(metadata, null, 2));
 
       // 返回与S3兼容的元数据格式
       const desktopPath = `desktop://${date}/${savedFilename}`;
+      logger.info(`File upload successful: ${desktopPath}`);
 
       return {
         metadata: {
@@ -87,7 +99,7 @@ export default class FileService extends ServiceModule {
         success: true,
       };
     } catch (error) {
-      console.error('File upload failed:', error);
+      logger.error(`File upload failed:`, error);
       throw new Error(`File upload failed: ${(error as Error).message}`);
     }
   }
@@ -96,35 +108,41 @@ export default class FileService extends ServiceModule {
    * 获取文件内容
    */
   async getFile(path: string): Promise<{ content: ArrayBuffer; mimeType: string }> {
+    logger.info(`Getting file content: ${path}`);
     try {
       // 处理desktop://路径
       if (!path.startsWith('desktop://')) {
+        logger.error(`Invalid desktop file path: ${path}`);
         throw new Error(`Invalid desktop file path: ${path}`);
       }
 
       // 标准化路径格式
       // 可能收到的格式: desktop:/12345/file.png 或 desktop://12345/file.png
       const normalizedPath = path.replace(/^desktop:\/+/, 'desktop://');
+      logger.debug(`Normalized path: ${normalizedPath}`);
 
       // 解析路径
       const relativePath = normalizedPath.replace('desktop://', '');
       const filePath = join(this.UPLOADS_DIR, relativePath);
-
-      console.log('Reading file from:', filePath);
+      logger.debug(`Reading file from path: ${filePath}`);
 
       // 读取文件内容
+      logger.debug(`Starting to read file content`);
       const content = await readFilePromise(filePath);
+      logger.debug(`File content read complete, size: ${content.length} bytes`);
 
       // 读取元数据获取MIME类型
       const metaFilePath = `${filePath}.meta`;
       let mimeType = 'application/octet-stream'; // 默认MIME类型
+      logger.debug(`Attempting to read metadata file: ${metaFilePath}`);
 
       try {
         const metaContent = await readFilePromise(metaFilePath, 'utf8');
         const metadata = JSON.parse(metaContent);
         mimeType = metadata.type || mimeType;
+        logger.debug(`Got MIME type from metadata: ${mimeType}`);
       } catch (metaError) {
-        console.warn(`Failed to read metadata file: ${metaError.message}, using default MIME type`);
+        logger.warn(`Failed to read metadata file: ${(metaError as Error).message}, using default MIME type`);
         // 如果元数据文件不存在，尝试从文件扩展名猜测MIME类型
         const ext = path.split('.').pop()?.toLowerCase();
         if (ext) {
@@ -155,15 +173,17 @@ export default class FileService extends ServiceModule {
                 break;
               }
             }
+          logger.debug(`Set MIME type based on file extension: ${mimeType}`);
         }
       }
 
+      logger.info(`File retrieval successful: ${path}`);
       return {
         content: content.buffer as ArrayBuffer,
         mimeType,
       };
     } catch (error) {
-      console.error('File retrieval failed:', error);
+      logger.error(`File retrieval failed:`, error);
       throw new Error(`File retrieval failed: ${(error as Error).message}`);
     }
   }
@@ -172,29 +192,37 @@ export default class FileService extends ServiceModule {
    * 删除文件
    */
   async deleteFile(path: string): Promise<{ success: boolean }> {
+    logger.info(`Deleting file: ${path}`);
     try {
       // 处理desktop://路径
       if (!path.startsWith('desktop://')) {
+        logger.error(`Invalid desktop file path: ${path}`);
         throw new Error(`Invalid desktop file path: ${path}`);
       }
 
       // 解析路径
       const relativePath = path.replace('desktop://', '');
       const filePath = join(this.UPLOADS_DIR, relativePath);
+      logger.debug(`File deletion path: ${filePath}`);
 
       // 删除文件及其元数据
+      logger.debug(`Starting file deletion`);
       await unlinkPromise(filePath);
+      logger.debug(`File deletion successful`);
 
       // 尝试删除元数据文件，但不强制要求存在
       try {
+        logger.debug(`Attempting to delete metadata file`);
         await unlinkPromise(`${filePath}.meta`);
+        logger.debug(`Metadata file deletion successful`);
       } catch (error) {
-        console.warn(`Failed to delete metadata file: ${(error as Error).message}`);
+        logger.warn(`Failed to delete metadata file: ${(error as Error).message}`);
       }
 
+      logger.info(`File deletion operation complete: ${path}`);
       return { success: true };
     } catch (error) {
-      console.error('File deletion failed:', error);
+      logger.error(`File deletion failed:`, error);
       throw new Error(`File deletion failed: ${(error as Error).message}`);
     }
   }
@@ -203,15 +231,18 @@ export default class FileService extends ServiceModule {
    * 批量删除文件
    */
   async deleteFiles(paths: string[]): Promise<DeleteFilesResponse> {
+    logger.info(`Batch deleting files, count: ${paths.length}`);
     const errors: { message: string; path: string }[] = [];
 
     // 并行处理所有删除请求
+    logger.debug(`Starting parallel deletion requests`);
     const results = await Promise.allSettled(
       paths.map(async (path) => {
         try {
           await this.deleteFile(path);
           return { path, success: true };
         } catch (error) {
+          logger.warn(`Failed to delete file: ${path}, error: ${(error as Error).message}`);
           return {
             error: (error as Error).message,
             path,
@@ -222,8 +253,10 @@ export default class FileService extends ServiceModule {
     );
 
     // 处理结果
+    logger.debug(`Processing batch deletion results`);
     results.forEach((result) => {
       if (result.status === 'rejected') {
+        logger.error(`Unexpected error: ${result.reason}`);
         errors.push({
           message: `Unexpected error: ${result.reason}`,
           path: 'unknown',
@@ -236,20 +269,26 @@ export default class FileService extends ServiceModule {
       }
     });
 
+    const success = errors.length === 0;
+    logger.info(`Batch deletion operation complete, success: ${success}, error count: ${errors.length}`);
     return {
-      success: errors.length === 0,
+      success,
       ...(errors.length > 0 && { errors }),
     };
   }
 
   async getFilePath(path: string): Promise<string> {
+    logger.debug(`Getting filesystem path: ${path}`);
     // 处理desktop://路径
     if (!path.startsWith('desktop://')) {
+      logger.error(`Invalid desktop file path: ${path}`);
       throw new Error(`Invalid desktop file path: ${path}`);
     }
 
     // 解析路径
     const relativePath = path.replace('desktop://', '');
-    return join(this.UPLOADS_DIR, relativePath);
+    const fullPath = join(this.UPLOADS_DIR, relativePath);
+    logger.debug(`Resolved filesystem path: ${fullPath}`);
+    return fullPath;
   }
 }

package/apps/desktop/vitest.config.ts

@@ -0,0 +1,17 @@
+import { resolve } from 'node:path';
+import { defineConfig } from 'vitest/config';
+
+export default defineConfig({
+  test: {
+    alias: {
+      '@': resolve(__dirname, './src/main'),
+    },
+    coverage: {
+      all: false,
+      provider: 'v8',
+      reporter: ['text', 'json', 'lcov', 'text-summary'],
+      reportsDirectory: './coverage/app',
+    },
+    environment: 'node',
+  },
+});

package/changelog/v1.json

@@ -1,4 +1,22 @@
 [
+  {
+    "children": {
+      "fixes": [
+        "Fix desktop upload image on macOS."
+      ]
+    },
+    "date": "2025-05-08",
+    "version": "1.84.25"
+  },
+  {
+    "children": {
+      "fixes": [
+        "Fix changelog issue on desktop app."
+      ]
+    },
+    "date": "2025-05-08",
+    "version": "1.84.24"
+  },
   {
     "children": {
       "improvements": [

package/locales/ar/hotkey.json

@@ -35,6 +35,10 @@
     "desc": "استدعاء مربع البحث الرئيسي في الصفحة الحالية",
     "title": "بحث"
   },
+  "showApp": {
+    "desc": "استدعاء نافذة التطبيق الرئيسية بسرعة",
+    "title": "عرض النافذة الرئيسية"
+  },
   "switchAgent": {
     "desc": "تبديل المساعد المثبت في الشريط الجانبي عن طريق الضغط على Ctrl مع الأرقام من 0 إلى 9",
     "title": "تبديل المساعد بسرعة"

package/locales/ar/models.json

@@ -71,6 +71,9 @@
   "DeepSeek-V3": {
     "description": "DeepSeek-V3 هو نموذج MoE تم تطويره ذاتيًا بواسطة شركة DeepSeek. حقق DeepSeek-V3 نتائج تقييم تفوقت على نماذج مفتوحة المصدر الأخرى مثل Qwen2.5-72B و Llama-3.1-405B، وفي الأداء ينافس النماذج المغلقة الرائدة عالميًا مثل GPT-4o و Claude-3.5-Sonnet."
   },
+  "Doubao-1.5-thinking-pro-m": {
+    "description": "Doubao-1.5 هو نموذج تفكير عميق جديد (نسخة m تأتي مع قدرة استدلال عميق متعددة الوسائط أصلية)، يظهر أداءً بارزًا في مجالات الرياضيات، البرمجة، الاستدلال العلمي، والكتابة الإبداعية، حيث حقق أو اقترب من المستوى الأول في عدة معايير مرموقة مثل AIME 2024، Codeforces، وGPQA. يدعم نافذة سياق تصل إلى 128k، وإخراج يصل إلى 16k."
+  },
   "Doubao-1.5-vision-pro": {
     "description": "Doubao-1.5-vision-pro هو نموذج كبير متعدد الوسائط تم ترقيته حديثًا، يدعم التعرف على الصور بدقة غير محدودة ونسب عرض إلى ارتفاع متطرفة، ويعزز قدرات الاستدلال البصري، التعرف على الوثائق، فهم المعلومات التفصيلية، واتباع التعليمات."
   },
@@ -293,6 +296,21 @@
   "Qwen/Qwen2.5-VL-72B-Instruct": {
     "description": "Qwen2.5-VL هو نموذج اللغة البصرية في سلسلة Qwen2.5. يتميز هذا النموذج بتحسينات كبيرة في جوانب متعددة: قدرة أقوى على الفهم البصري، مع القدرة على التعرف على الأشياء الشائعة وتحليل النصوص والرسوم البيانية والتخطيطات؛ كوسيط بصري يمكنه التفكير وتوجيه استخدام الأدوات ديناميكيًا؛ يدعم فهم مقاطع الفيديو الطويلة التي تزيد عن ساعة واحدة مع القدرة على التقاط الأحداث الرئيسية؛ يمكنه تحديد موقع الأشياء في الصور بدقة من خلال إنشاء مربعات حدودية أو نقاط؛ يدعم إنشاء مخرجات منظمة، وهو مفيد بشكل خاص للبيانات الممسوحة ضوئيًا مثل الفواتير والجداول."
   },
+  "Qwen/Qwen3-14B": {
+    "description": "Qwen3 هو نموذج جديد من الجيل التالي مع تحسينات كبيرة في القدرات، حيث يصل إلى مستويات رائدة في الاستدلال، المهام العامة، الوكلاء، واللغات المتعددة، ويدعم تبديل وضع التفكير."
+  },
+  "Qwen/Qwen3-235B-A22B": {
+    "description": "Qwen3 هو نموذج جديد من الجيل التالي مع تحسينات كبيرة في القدرات، حيث يصل إلى مستويات رائدة في الاستدلال، المهام العامة، الوكلاء، واللغات المتعددة، ويدعم تبديل وضع التفكير."
+  },
+  "Qwen/Qwen3-30B-A3B": {
+    "description": "Qwen3 هو نموذج جديد من الجيل التالي مع تحسينات كبيرة في القدرات، حيث يصل إلى مستويات رائدة في الاستدلال، المهام العامة، الوكلاء، واللغات المتعددة، ويدعم تبديل وضع التفكير."
+  },
+  "Qwen/Qwen3-32B": {
+    "description": "Qwen3 هو نموذج جديد من الجيل التالي مع تحسينات كبيرة في القدرات، حيث يصل إلى مستويات رائدة في الاستدلال، المهام العامة، الوكلاء، واللغات المتعددة، ويدعم تبديل وضع التفكير."
+  },
+  "Qwen/Qwen3-8B": {
+    "description": "Qwen3 هو نموذج جديد من الجيل التالي مع تحسينات كبيرة في القدرات، حيث يصل إلى مستويات رائدة في الاستدلال، المهام العامة، الوكلاء، واللغات المتعددة، ويدعم تبديل وضع التفكير."
+  },
   "Qwen2-72B-Instruct": {
     "description": "Qwen2 هو أحدث سلسلة من نموذج Qwen، ويدعم سياقًا يصل إلى 128 ألف، مقارنةً بأفضل النماذج مفتوحة المصدر الحالية، يتفوق Qwen2-72B بشكل ملحوظ في فهم اللغة الطبيعية والمعرفة والترميز والرياضيات والقدرات متعددة اللغات."
   },
@@ -398,9 +416,6 @@
   "THUDM/glm-4-9b-chat": {
     "description": "GLM-4 9B هو إصدار مفتوح المصدر، يوفر تجربة حوار محسنة لتطبيقات الحوار."
   },
-  "TeleAI/TeleChat2": {
-    "description": "نموذج TeleChat2 هو نموذج كبير تم تطويره ذاتيًا من قبل China Telecom، يدعم وظائف مثل الأسئلة والأجوبة الموسوعية، وتوليد الشيفرة، وتوليد النصوص الطويلة، ويقدم خدمات استشارية للمستخدمين، مما يمكنه من التفاعل مع المستخدمين، والإجابة على الأسئلة، والمساعدة في الإبداع، وتوفير المعلومات والمعرفة والإلهام بكفاءة وسهولة. أظهر النموذج أداءً ممتازًا في معالجة مشكلات الهلوسة، وتوليد النصوص الطويلة، وفهم المنطق."
-  },
   "Vendor-A/Qwen/Qwen2.5-72B-Instruct": {
     "description": "Qwen2.5-72B-Instruct هو أحد أحدث نماذج اللغة الكبيرة التي أصدرتها Alibaba Cloud. يتمتع هذا النموذج بقدرات محسنة بشكل ملحوظ في مجالات الترميز والرياضيات. كما يوفر دعمًا للغات متعددة، تغطي أكثر من 29 لغة، بما في ذلك الصينية والإنجليزية. أظهر النموذج تحسينات ملحوظة في اتباع التعليمات، وفهم البيانات الهيكلية، وتوليد المخرجات الهيكلية (خاصة JSON)."
   },
@@ -800,6 +815,12 @@
   "deepseek/deepseek-chat": {
     "description": "نموذج مفتوح المصدر جديد يجمع بين القدرات العامة وقدرات البرمجة، لا يحتفظ فقط بقدرات الحوار العامة لنموذج الدردشة الأصلي وقدرات معالجة الأكواد القوية لنموذج Coder، بل يتماشى أيضًا بشكل أفضل مع تفضيلات البشر. بالإضافة إلى ذلك، حقق DeepSeek-V2.5 تحسينات كبيرة في مهام الكتابة، واتباع التعليمات، وغيرها من المجالات."
   },
+  "deepseek/deepseek-chat-v3-0324": {
+    "description": "DeepSeek V3 هو نموذج مختلط خبير يحتوي على 685B من المعلمات، وهو أحدث إصدار من سلسلة نماذج الدردشة الرائدة لفريق DeepSeek.\n\nيستفيد من نموذج [DeepSeek V3](/deepseek/deepseek-chat-v3) ويظهر أداءً ممتازًا في مجموعة متنوعة من المهام."
+  },
+  "deepseek/deepseek-chat-v3-0324:free": {
+    "description": "DeepSeek V3 هو نموذج مختلط خبير يحتوي على 685B من المعلمات، وهو أحدث إصدار من سلسلة نماذج الدردشة الرائدة لفريق DeepSeek.\n\nيستفيد من نموذج [DeepSeek V3](/deepseek/deepseek-chat-v3) ويظهر أداءً ممتازًا في مجموعة متنوعة من المهام."
+  },
   "deepseek/deepseek-r1": {
     "description": "DeepSeek-R1 يعزز بشكل كبير من قدرة النموذج على الاستدلال في ظل وجود بيانات محدودة جدًا. قبل تقديم الإجابة النهائية، يقوم النموذج أولاً بإخراج سلسلة من التفكير لتحسين دقة الإجابة النهائية."
   },
@@ -851,9 +872,6 @@
   "doubao-1.5-thinking-pro": {
     "description": "نموذج Doubao-1.5 الجديد للتفكير العميق، يتميز بأداء بارز في مجالات الرياضيات، البرمجة، الاستدلال العلمي، وكذلك في المهام العامة مثل الكتابة الإبداعية. حقق أو اقترب من المستوى الأول في العديد من المعايير المرموقة مثل AIME 2024 وCodeforces وGPQA. يدعم نافذة سياق بحجم 128k و16k للإخراج."
   },
-  "doubao-1.5-thinking-pro-vision": {
-    "description": "نموذج Doubao-1.5 الجديد للتفكير العميق، يتميز بأداء بارز في مجالات الرياضيات، البرمجة، الاستدلال العلمي، وكذلك في المهام العامة مثل الكتابة الإبداعية. حقق أو اقترب من المستوى الأول في العديد من المعايير المرموقة مثل AIME 2024 وCodeforces وGPQA. يدعم نافذة سياق بحجم 128k و16k للإخراج."
-  },
   "doubao-1.5-vision-lite": {
     "description": "Doubao-1.5-vision-lite هو نموذج كبير متعدد الوسائط تم ترقيته حديثًا، يدعم التعرف على الصور بدقة غير محدودة ونسب عرض إلى ارتفاع متطرفة، ويعزز قدرات الاستدلال البصري، التعرف على الوثائق، فهم المعلومات التفصيلية، واتباع التعليمات. يدعم نافذة سياق 128k، وطول الإخراج يدعم حتى 16k توكن."
   },
@@ -995,9 +1013,6 @@
   "gemini-2.0-flash-thinking-exp-01-21": {
     "description": "Gemini 2.0 Flash Exp هو أحدث نموذج تجريبي متعدد الوسائط من Google، يتمتع بميزات الجيل التالي، وسرعة فائقة، واستدعاء أدوات أصلية، وتوليد متعدد الوسائط."
   },
-  "gemini-2.0-pro-exp-02-05": {
-    "description": "Gemini 2.0 Pro Experimental هو أحدث نموذج ذكاء اصطناعي متعدد الوسائط التجريبي من Google، مع تحسينات ملحوظة في الجودة مقارنة بالإصدارات السابقة، خاصة في المعرفة العالمية، والبرمجة، والسياقات الطويلة."
-  },
   "gemini-2.5-flash-preview-04-17": {
     "description": "معاينة فلاش جمنّي 2.5 هي النموذج الأكثر كفاءة من جوجل، حيث تقدم مجموعة شاملة من الميزات."
   },
@@ -1007,6 +1022,9 @@
   "gemini-2.5-pro-preview-03-25": {
     "description": "معاينة Gemini 2.5 Pro هي نموذج التفكير الأكثر تقدمًا من Google، قادر على الاستدلال حول الشيفرات، الرياضيات، والمشكلات المعقدة في مجالات STEM، بالإضافة إلى تحليل مجموعات البيانات الكبيرة، مكتبات الشيفرات، والمستندات باستخدام سياقات طويلة."
   },
+  "gemini-2.5-pro-preview-05-06": {
+    "description": "Gemini 2.5 Pro Preview هو نموذج التفكير الأكثر تقدمًا من Google، قادر على الاستدلال حول الشيفرات، الرياضيات، والمشكلات المعقدة في مجالات STEM، بالإضافة إلى تحليل مجموعات البيانات الكبيرة، ومكتبات الشيفرات، والمستندات باستخدام سياقات طويلة."
+  },
   "gemma-7b-it": {
     "description": "Gemma 7B مناسب لمعالجة المهام المتوسطة والصغيرة، ويجمع بين الكفاءة من حيث التكلفة."
   },
@@ -1091,8 +1109,17 @@
   "google/gemini-2.0-flash-001": {
     "description": "Gemini 2.0 Flash يقدم ميزات وتحسينات من الجيل التالي، بما في ذلك سرعة فائقة، واستخدام أدوات أصلية، وتوليد متعدد الوسائط، ونافذة سياق تصل إلى 1M توكن."
   },
-  "google/gemini-2.0-pro-exp-02-05:free": {
-    "description": "Gemini 2.0 Pro Experimental هو أحدث نموذج ذكاء اصطناعي متعدد الوسائط التجريبي من Google، مع تحسينات ملحوظة في الجودة مقارنة بالإصدارات السابقة، خاصة في المعرفة العالمية، والبرمجة، والسياقات الطويلة."
+  "google/gemini-2.0-flash-exp:free": {
+    "description": "Gemini 2.0 Flash Experimental هو أحدث نموذج ذكاء اصطناعي متعدد الوسائط من Google، مع تحسينات ملحوظة في الجودة مقارنة بالإصدارات السابقة، خاصة في المعرفة العالمية، الشيفرات، والسياقات الطويلة."
+  },
+  "google/gemini-2.5-flash-preview": {
+    "description": "Gemini 2.5 Flash هو النموذج الرائد الأكثر تقدمًا من Google، مصمم للاستدلال المتقدم، الترميز، المهام الرياضية والعلمية. يحتوي على قدرة \"التفكير\" المدمجة، مما يمكّنه من تقديم استجابات بدقة أعلى ومعالجة سياقات أكثر تفصيلاً.\n\nملاحظة: يحتوي هذا النموذج على نوعين: التفكير وغير التفكير. تختلف تسعير الإخراج بشكل ملحوظ بناءً على ما إذا كانت قدرة التفكير مفعلة. إذا اخترت النوع القياسي (بدون لاحقة \" :thinking \")، سيتجنب النموذج بشكل صريح توليد رموز التفكير.\n\nلاستغلال قدرة التفكير واستقبال رموز التفكير، يجب عليك اختيار النوع \" :thinking \"، مما سيؤدي إلى تسعير إخراج تفكير أعلى.\n\nبالإضافة إلى ذلك، يمكن تكوين Gemini 2.5 Flash من خلال معلمة \"الحد الأقصى لعدد رموز الاستدلال\"، كما هو موضح في الوثائق (https://openrouter.ai/docs/use-cases/reasoning-tokens#max-tokens-for-reasoning)."
+  },
+  "google/gemini-2.5-flash-preview:thinking": {
+    "description": "Gemini 2.5 Flash هو النموذج الرائد الأكثر تقدمًا من Google، مصمم للاستدلال المتقدم، الترميز، المهام الرياضية والعلمية. يحتوي على قدرة \"التفكير\" المدمجة، مما يمكّنه من تقديم استجابات بدقة أعلى ومعالجة سياقات أكثر تفصيلاً.\n\nملاحظة: يحتوي هذا النموذج على نوعين: التفكير وغير التفكير. تختلف تسعير الإخراج بشكل ملحوظ بناءً على ما إذا كانت قدرة التفكير مفعلة. إذا اخترت النوع القياسي (بدون لاحقة \" :thinking \")، سيتجنب النموذج بشكل صريح توليد رموز التفكير.\n\nلاستغلال قدرة التفكير واستقبال رموز التفكير، يجب عليك اختيار النوع \" :thinking \"، مما سيؤدي إلى تسعير إخراج تفكير أعلى.\n\nبالإضافة إلى ذلك، يمكن تكوين Gemini 2.5 Flash من خلال معلمة \"الحد الأقصى لعدد رموز الاستدلال\"، كما هو موضح في الوثائق (https://openrouter.ai/docs/use-cases/reasoning-tokens#max-tokens-for-reasoning)."
+  },
+  "google/gemini-2.5-pro-preview-03-25": {
+    "description": "Gemini 2.5 Pro هو نموذج الذكاء الاصطناعي الأكثر تقدمًا من Google، مصمم للاستدلال المتقدم، الترميز، المهام الرياضية والعلمية. يتميز بقدرة \"التفكير\"، مما يمكّنه من الاستدلال بدقة أعلى ومعالجة سياقات أكثر تفصيلاً. حقق Gemini 2.5 Pro أداءً رائدًا في عدة اختبارات معيارية، بما في ذلك تصدره في تصنيف LMArena، مما يعكس تميز توافق تفضيلات البشر وقدرته على حل المشكلات المعقدة."
   },
   "google/gemini-flash-1.5": {
     "description": "يقدم Gemini 1.5 Flash قدرات معالجة متعددة الوسائط محسّنة، مناسبة لمجموعة متنوعة من سيناريوهات المهام المعقدة."
@@ -1592,6 +1619,9 @@
   "mistral-large-latest": {
     "description": "Mistral Large هو النموذج الرائد، يتفوق في المهام متعددة اللغات، والاستدلال المعقد، وتوليد الشيفرة، وهو الخيار المثالي للتطبيقات الراقية."
   },
+  "mistral-medium-latest": {
+    "description": "Mistral Medium 3 يقدم أداءً متقدمًا بتكلفة 8 مرات أقل، مما يبسط بشكل جذري نشر المؤسسات."
+  },
   "mistral-nemo": {
     "description": "Mistral Nemo تم تطويره بالتعاون بين Mistral AI وNVIDIA، وهو نموذج 12B عالي الأداء."
   },
@@ -1763,8 +1793,8 @@
   "qvq-72b-preview": {
     "description": "نموذج QVQ هو نموذج بحث تجريبي تم تطويره بواسطة فريق Qwen، يركز على تعزيز قدرات الاستدلال البصري، خاصة في مجال الاستدلال الرياضي."
   },
-  "qvq-max": {
-    "description": "نموذج الاستدلال البصري QVQ من Tongyi Qianwen يدعم الإدخال البصري وإخراج سلسلة التفكير، وقد أظهر قدرات أقوى في الرياضيات، البرمجة، التحليل البصري، الإبداع، والمهام العامة."
+  "qvq-max-latest": {
+    "description": "نموذج QVQ للرؤية البصرية، يدعم الإدخال البصري وإخراج سلسلة التفكير، ويظهر قدرات أقوى في الرياضيات، البرمجة، التحليل البصري، الإبداع، والمهام العامة."
   },
   "qwen-coder-plus-latest": {
     "description": "نموذج كود Qwen الشامل."
@@ -2075,12 +2105,24 @@
   "text-embedding-3-small": {
     "description": "نموذج التضمين من الجيل الجديد، فعال واقتصادي، مناسب لاسترجاع المعرفة وتطبيقات RAG وغيرها."
   },
+  "thudm/glm-4-32b": {
+    "description": "GLM-4-32B-0414 هو نموذج لغوي مفتوح الوزن ثنائي اللغة (صيني وإنجليزي) بحجم 32B، تم تحسينه لتوليد الشيفرات، استدعاءات الوظائف، والمهام الوكيلة. تم تدريبه مسبقًا على 15T من البيانات عالية الجودة وإعادة الاستدلال، وتم تحسينه باستخدام توافق تفضيلات البشر، أخذ العينات الرفض، والتعلم المعزز. يظهر هذا النموذج أداءً ممتازًا في الاستدلال المعقد، توليد القطع، ومهام الإخراج الهيكلي، حيث حقق أداءً يعادل GPT-4o وDeepSeek-V3-0324 في عدة اختبارات معيارية."
+  },
+  "thudm/glm-4-32b:free": {
+    "description": "GLM-4-32B-0414 هو نموذج لغوي مفتوح الوزن ثنائي اللغة (صيني وإنجليزي) بحجم 32B، تم تحسينه لتوليد الشيفرات، استدعاءات الوظائف، والمهام الوكيلة. تم تدريبه مسبقًا على 15T من البيانات عالية الجودة وإعادة الاستدلال، وتم تحسينه باستخدام توافق تفضيلات البشر، أخذ العينات الرفض، والتعلم المعزز. يظهر هذا النموذج أداءً ممتازًا في الاستدلال المعقد، توليد القطع، ومهام الإخراج الهيكلي، حيث حقق أداءً يعادل GPT-4o وDeepSeek-V3-0324 في عدة اختبارات معيارية."
+  },
   "thudm/glm-4-9b-chat": {
     "description": "الإصدار المفتوح من الجيل الأحدث من نموذج GLM-4 الذي أطلقته Zhizhu AI."
   },
   "thudm/glm-4-9b:free": {
     "description": "GLM-4-9B-0414 هو نموذج لغوي يحتوي على 9 مليار معلمة من سلسلة GLM-4 التي تم تطويرها بواسطة THUDM. يستخدم GLM-4-9B-0414 نفس استراتيجيات تعزيز التعلم والتوافق المستخدمة في النموذج المقابل الأكبر 32B، مما يحقق أداءً عاليًا بالنسبة لحجمه، مما يجعله مناسبًا للنشر في البيئات المحدودة الموارد التي لا تزال تتطلب قدرات قوية في فهم اللغة وتوليدها."
   },
+  "thudm/glm-z1-32b": {
+    "description": "GLM-Z1-32B-0414 هو نسخة محسنة من GLM-4-32B، مصممة لحل المشكلات المعقدة في الرياضيات العميقة، المنطق، والشيفرات. يستخدم التعلم المعزز الموسع (المخصص للمهام والمبني على تفضيلات عامة) لتحسين الأداء في المهام المعقدة متعددة الخطوات. مقارنةً بنموذج GLM-4-32B الأساسي، زادت Z1 بشكل ملحوظ من قدرات الاستدلال الهيكلي والمجالات الرسمية.\n\nيدعم هذا النموذج تنفيذ خطوات \"التفكير\" من خلال هندسة التلميحات، ويقدم اتساقًا محسنًا للإخراج الطويل. تم تحسينه لعمليات سير العمل الخاصة بالوكيل، ويدعم السياقات الطويلة (عبر YaRN)، واستدعاءات أدوات JSON، وتكوينات أخذ العينات الدقيقة للاستدلال المستقر. مثالي للحالات التي تتطلب تفكيرًا عميقًا، استدلالًا متعدد الخطوات، أو استنتاجات رسمية."
+  },
+  "thudm/glm-z1-32b:free": {
+    "description": "GLM-Z1-32B-0414 هو نسخة محسنة من GLM-4-32B، مصممة لحل المشكلات المعقدة في الرياضيات العميقة، المنطق، والشيفرات. يستخدم التعلم المعزز الموسع (المخصص للمهام والمبني على تفضيلات عامة) لتحسين الأداء في المهام المعقدة متعددة الخطوات. مقارنةً بنموذج GLM-4-32B الأساسي، زادت Z1 بشكل ملحوظ من قدرات الاستدلال الهيكلي والمجالات الرسمية.\n\nيدعم هذا النموذج تنفيذ خطوات \"التفكير\" من خلال هندسة التلميحات، ويقدم اتساقًا محسنًا للإخراج الطويل. تم تحسينه لعمليات سير العمل الخاصة بالوكيل، ويدعم السياقات الطويلة (عبر YaRN)، واستدعاءات أدوات JSON، وتكوينات أخذ العينات الدقيقة للاستدلال المستقر. مثالي للحالات التي تتطلب تفكيرًا عميقًا، استدلالًا متعدد الخطوات، أو استنتاجات رسمية."
+  },
   "thudm/glm-z1-9b:free": {
     "description": "GLM-Z1-9B-0414 هو نموذج لغوي يحتوي على 9 مليار معلمة من سلسلة GLM-4 التي تم تطويرها بواسطة THUDM. يستخدم تقنيات تم تطبيقها في الأصل على نموذج GLM-Z1 الأكبر، بما في ذلك تعزيز التعلم الموسع، والتوافق القائم على الترتيب الثنائي، والتدريب على المهام التي تتطلب استدلالًا مكثفًا مثل الرياضيات، والترميز، والمنطق. على الرغم من حجمه الأصغر، إلا أنه يظهر أداءً قويًا في المهام العامة للاستدلال، ويتفوق على العديد من النماذج مفتوحة المصدر في مستوى وزنه."
   },

package/locales/ar/providers.json

@@ -29,9 +29,6 @@
   "deepseek": {
     "description": "DeepSeek هي شركة تركز على أبحاث وتطبيقات تقنيات الذكاء الاصطناعي، حيث يجمع نموذجها الأحدث DeepSeek-V2.5 بين قدرات الحوار العامة ومعالجة الشيفرات، وقد حقق تحسينات ملحوظة في محاذاة تفضيلات البشر، ومهام الكتابة، واتباع التعليمات."
   },
-  "doubao": {
-    "description": "نموذج كبير تم تطويره داخليًا بواسطة بايت دانس. تم التحقق من صحته من خلال أكثر من 50 سيناريو عمل داخلي، مع استخدام يومي يتجاوز تريليون توكن، مما يتيح تقديم قدرات متعددة الأنماط، ويعمل على توفير تجربة عمل غنية للشركات من خلال نموذج عالي الجودة."
-  },
   "fireworksai": {
     "description": "Fireworks AI هي شركة رائدة في تقديم خدمات نماذج اللغة المتقدمة، تركز على استدعاء الوظائف والمعالجة متعددة الوسائط. نموذجها الأحدث Firefunction V2 مبني على Llama-3، مُحسّن لاستدعاء الوظائف، والحوار، واتباع التعليمات. يدعم نموذج اللغة البصرية FireLLaVA-13B إدخال الصور والنصوص المختلطة. تشمل النماذج البارزة الأخرى سلسلة Llama وسلسلة Mixtral، مما يوفر دعمًا فعالًا لاتباع التعليمات وتوليدها بلغات متعددة."
   },

package/locales/bg-BG/hotkey.json

@@ -35,6 +35,10 @@
     "desc": "Активирайте основното поле за търсене на текущата страница",
     "title": "Търсене"
   },
+  "showApp": {
+    "desc": "Бързо отваряне на основния прозорец на приложението",
+    "title": "Покажи основния прозорец"
+  },
   "switchAgent": {
     "desc": "Сменете помощника, фиксиран в страничната лента, като задържите Ctrl и натиснете число от 0 до 9",
     "title": "Бърза смяна на помощника"