React Native Windows 0.77.0 版本发布:可靠性提升与新架构特性解析
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。这个项目为Windows平台提供了完整的React Native支持,包括UWP和WinUI两种实现方式。最新发布的0.77.0版本带来了多项重要改进,特别是在稳定性和新架构支持方面。
可靠性改进
本次更新在应用稳定性方面做了大量工作。首先解决了Web调试模式下TurboModule崩溃的问题,通过确保SampleTurboModule不会在Web调试器中使用来避免冲突。对于文本组件,修复了多次执行flattenStyle的问题,优化了渲染性能。
在样式渲染方面,修复了Paper模式下文本组件边框不显示的问题,同时解决了自定义原生属性在克隆时可能出现的问题。对于C#项目,更新了Microsoft.NETCore.UniversalWindowsPlatform至6.2.14版本,提供了更好的基础支持。
构建系统也获得了多项改进:修复了路径中包含空格时托管代码生成目标失败的问题;更新了RNW CLI工具,使其能够保留和重用init-windows命令的参数;清理了ReactNativeAppBuilder和ReactNativeWin32App的实现,使构建过程更加可靠。
新功能亮点
0.77.0版本引入了多项新功能。最值得注意的是全面启用了遥测数据收集功能,帮助开发者监控RNW的可靠性、性能和用法。这项功能从AppInsights迁移到了1DS平台,提供了更强大的数据分析能力。
项目模板也得到了增强,C++库模板项目现在支持导入Paper UWP或Fabric Composition属性/目标,为开发者提供了更多选择。新增的init-windows命令的--list选项可以方便地列出可用选项。
底层框架方面,React Native Windows现在基于WinAppSDK 1.6构建,带来了最新的Windows应用开发功能。发布版本中还增加了JS包创建的超时机制,防止构建过程无限期挂起。
新架构特性
对于采用新架构的项目,0.77.0带来了许多重要改进。在无障碍功能方面,实现了对AccessibilityState:Busy和"checked"状态的支持,并新增了UIA ExpandCollapse模式,允许自定义控件实现"展开"和"折叠"操作。
文本输入组件获得了autocapitalize属性支持,并修复了调整大小时光标在不聚焦的TextInput上可见的问题。新增了基本的阴影效果支持,为界面设计提供了更多可能性。
焦点管理方面有多项改进:更新了焦点视觉效果以使用cornerRadius和内外描边;修复了焦点视觉效果被相邻视图遮挡的问题;当Tab循环回到起点时会通知宿主以便处理焦点。
模态窗口功能大幅增强:现在可以在新窗口中托管RN组件;实现了onShow和onDismiss事件;修复了定位问题并移除了标题栏。视图系统也获得改进,设置了keyUpEvents/keyDownEvents的视图现在会形成堆叠上下文。
开发者工具改进
本次更新对开发者体验也有多项优化。临时禁用了NuGet包的数字签名以解决构建问题。实现了工具提示属性(tooltip property)和光标属性(cursor property),丰富了交互设计能力。
在组件实现方面,新增了ISelectionProvider和ISelectionItemProvider接口支持,为选择型组件提供了更好的无障碍体验。开发者现在可以重写UpdateLayoutMetrics和VisualToMountChildrenInto方法,获得更灵活的布局控制。
React Native Windows 0.77.0版本在稳定性、功能丰富度和新架构支持方面都取得了显著进步,为开发者构建高质量的Windows应用提供了更强大的工具集。无论是现有项目的升级还是新项目的开始,这个版本都值得考虑。
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