DivKit 32.1.0版本发布:跨平台UI框架的重大更新
DivKit项目简介
DivKit是一个强大的跨平台UI框架,它允许开发者通过声明式的JSON配置来构建复杂的用户界面。该框架特别适合需要动态更新UI内容的场景,如新闻应用、电商平台等。DivKit支持Android和iOS两大移动平台,通过统一的JSON描述文件,开发者可以轻松实现跨平台UI的一致性。
Android客户端更新详解
视觉渲染优化
本次更新修复了一个可能导致应用崩溃的视觉渲染问题。当开发者同时设置blur = 0和corner_radius = 0时,系统可能会触发崩溃。这种情况通常出现在需要完全禁用模糊效果和圆角的情况下。修复后,开发者可以安全地使用这些极端值配置而不用担心稳定性问题。
触发器机制增强
DivKit的触发器系统得到了重要改进。在之前的版本中,当多个div视图同时存在时,某些触发器可能无法正常工作。这种问题在多视图交互场景中尤为明显。32.1.0版本彻底解决了这一问题,确保了复杂界面中所有触发器都能可靠地响应事件。
字体变体支持
本次更新为文本相关组件带来了font_variation_settings属性的全面支持。这一特性现在可用于:
- 基础文本组件(
text) - 文本范围(text ranges)
- 输入框(
input) - 选择器(
select) - 滑块(
slider)的拇指文本
font_variation_settings允许开发者更精细地控制字体表现,如调整字重、宽度等OpenType可变字体特性,为UI设计提供了更大的灵活性。
iOS客户端更新详解
分页器无限滚动修复
DivKit 32.1.0修复了iOS平台上div-pager组件的一个重要问题。当启用infinite_scroll(无限滚动)功能并配合set_next_item动作时,如果当前选中的是最后一个项目,滚动行为可能会出现异常。这一修复确保了分页器在边界条件下的平滑滚动体验。
尺寸计算逻辑优化
框架对视图尺寸的计算逻辑进行了重要调整。现在,当使用尺寸提供者(size provider)时,计算结果不再包含子视图的边距(margins)。这一变化使得布局计算更加精确,避免了因边距导致的意外布局行为,特别是在嵌套布局结构中效果更为明显。
图片布局增强
iOS版本现在全面支持图片的wrap_content布局模式。这意味着图片可以根据其内在内容尺寸自动调整大小,而不需要显式指定固定尺寸。这一特性特别适合处理动态加载的图片内容,使得图片展示更加灵活和自适应。
技术影响与最佳实践
本次更新对DivKit开发者有以下实践建议:
-
视觉效果安全使用:现在可以放心地在Android平台上使用
blur = 0和corner_radius = 0的组合,无需担心崩溃问题。 -
复杂交互设计:利用修复后的触发器系统,开发者可以构建更复杂的多视图交互逻辑,确保所有事件都能正确触发。
-
字体精细控制:新的字体变体支持为品牌一致性设计提供了更多可能,建议在设计系统中充分利用这一特性。
-
iOS布局优化:在iOS平台上,现在可以更自由地使用自适应图片布局,减少硬编码尺寸的使用,提高布局的灵活性。
-
分页器改进:无限滚动分页器现在更加可靠,特别适合内容流展示场景,如新闻feed或产品轮播。
总结
DivKit 32.1.0版本通过多项重要修复和功能增强,进一步提升了框架的稳定性和表现力。跨平台的一致性支持使得开发者能够更高效地构建高质量的动态UI。特别是字体变体支持和布局计算的优化,为创建精致、响应式的用户界面提供了更多可能性。建议现有项目及时升级,以利用这些改进带来的好处。
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