React Native Windows 0.78.0预览版发布:可靠性提升与新架构优化
React Native Windows是微软推出的开源项目,它让开发者能够使用React Native框架构建原生Windows应用程序。作为React Native生态的重要组成部分,该项目为Windows平台提供了完整的支持,使开发者能够用JavaScript和React编写跨平台应用,同时在Windows设备上获得原生体验。
可靠性改进
本次0.78.0预览版在稳定性方面做出了多项重要改进。首先,项目团队修复了std::mutex::lock调用失败的问题,通过添加_DISABLE_CONSTEXPR_MUTEX_CONSTRUCTOR预处理器定义来确保线程安全。这项改进对于多线程环境下的应用稳定性至关重要。
在错误处理方面,团队扩展了字段清理范围,现在能够处理codedError.data字段,这有助于提高错误信息的完整性和准确性。此外,项目移除了已弃用的std::aligned_storage,采用了更现代的替代方案,这既符合C++标准的发展趋势,也提升了代码的长期可维护性。
值得注意的是,团队还解决了BinSkim安全工具检测到的问题,不再禁用警告4244,这体现了对代码质量的严格要求。在无障碍功能方面,组件控制类型值已更新为与accessibilityRole值相对应,这将改善屏幕阅读器等辅助技术的用户体验。
新特性与功能增强
本次更新将WinUI3ExperimentalVersion从1.6.240701003-experimental2升级至1.7.250109001-experimental2,带来了Windows UI库的最新实验性功能。同时,项目团队清理了代码库,移除了Fabric构建中仅用于Paper的代码,使代码结构更加清晰。
新架构优化
在新架构方面,本次更新实现了多项重要改进。首先,增加了对自定义控件通过IRangeValueProvider向UIA传递范围数据的支持,并新增了对aria-readonly和accessibilityState.readOnly的支持,这大大增强了控件的可访问性和交互能力。
模态窗口的实现也进行了重构,现在完全使用公共API实现,这不仅提高了代码的透明度,也为未来的维护和扩展奠定了基础。在无障碍功能方面,RNIsland UIA片段根现在能够正确报告父片段根,这解决了之前可能存在的无障碍导航问题。
团队还修复了一个关键问题:当当前获得焦点的元素被标记为enableFocusRing=false时可能导致的应用崩溃。这项修复显著提升了应用的稳定性,特别是在处理动态焦点变化时。
总结
React Native Windows 0.78.0预览版在可靠性、功能性和架构优化方面都取得了显著进展。这些改进不仅提升了现有功能的稳定性,也为开发者提供了更强大的工具来构建高质量的Windows应用。对于正在使用或考虑使用React Native开发Windows应用的开发者来说,这个版本值得关注和试用。
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-1.5暂无简介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