Material UI v6.4.0 版本发布:按钮加载状态与组件优化
Material UI 是一个流行的 React UI 组件库,它实现了 Google 的 Material Design 设计规范,为开发者提供了一套美观、易用且高度可定制的界面组件。最新发布的 v6.4.0 版本带来了一系列实用功能和改进,特别是新增了按钮组件的加载状态支持,进一步提升了开发体验。
核心功能更新
按钮组件新增加载状态
本次更新最引人注目的特性是为 Button 和 IconButton 组件新增了 loading 属性。这个功能解决了开发中常见的需求:在按钮触发异步操作时显示加载状态,防止用户重复点击并提升交互体验。
当设置 loading={true} 时,按钮会自动显示一个旋转的加载指示器,并禁用按钮的点击功能。这个特性简化了以往需要手动管理加载状态和禁用状态的开发流程,使代码更加简洁。
进度指示器改进
CircularProgress 组件的不确定(indeterminate)动画得到了优化,现在动画更加平滑对称。同时,LinearProgress 组件的组合类(composed classes)被标记为已弃用,开发者应使用新的 API 替代。
表单组件增强
Autocomplete 组件修复了分组选项中键(key)的类型同步问题,确保了运行时和 TypeScript 类型定义的一致性。Select 组件也进行了两项改进:关闭时不再设置 aria-controls 属性,并修复了缺失的根类(root class)问题。
组件 API 完善
Material UI 团队继续致力于完善组件的 API 设计:
Alert组件现在完全支持slots和slotProps属性,提供了更灵活的定制能力CardHeader组件的*TypographyProps被标记为已弃用,同时完整实现了slots和slotProps- 新增了
mergeSlotProps工具函数,用于更便捷地扩展组件功能,该函数现在也能正确处理style属性的合并 - 修复了
Tooltip和StepLabel组件的插槽(slots)类型定义
样式与可访问性修复
Link组件修复了在使用自定义调色板(palette)时下划线显示错误的问题Slider组件确保onChangeCommitted回调能接收到传递给onChange的最后一个参数- 多项可访问性相关的改进,如
Select组件的 ARIA 属性优化
文档与示例更新
文档团队进行了多项改进:
- 修复了仪表板侧边栏滚动问题
- 移除了所有 Adobe XD 相关的引用和示例
- 增加了关于补充菜单组件的详细说明
- 修正了排版文档中的错误渲染示例
- 更新了 CDN 示例以支持 React 19
内部架构优化
开发团队在基础设施方面也做了多项改进:
- 移除了回归测试和端到端测试中的 Suspense 和时钟模拟
- 允许在
@mui/internal-test-utils中使用 React 18 - 稳定了 pigment 进度条测试的稳定性
- 明确了 Figma 的 Material UI Sync 插件仍处于实验阶段
Material UI v6.4.0 版本虽然是一个小版本更新,但带来了多项实用功能和改进,特别是按钮加载状态的支持将显著提升开发效率。团队持续关注组件 API 的完善和一致性问题,同时不断优化文档和测试基础设施,为开发者提供更稳定可靠的工具链。
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