Detox项目发布20.37.0版本:全面支持React Native 0.77新架构
Detox是一个由Wix开发的端到端测试框架,专门为React Native应用设计。它允许开发者在模拟器或真实设备上运行自动化测试,验证应用在不同场景下的行为表现。与传统的单元测试不同,Detox关注的是用户视角下的完整应用流程测试,能够模拟真实用户操作并验证UI状态变化。
近日,Detox团队发布了20.37.0版本,这一版本最重要的改进是正式支持React Native 0.77及其新架构特性。对于React Native开发者而言,这意味着可以在最新的RN版本上无缝使用Detox进行全面的端到端测试,而不用担心兼容性问题。
新版本核心特性
1. React Native 0.77全面兼容
20.37.0版本最显著的改进是增加了对React Native 0.77的官方支持。这一支持不仅限于基本功能的兼容,还包括了对RN 0.77新架构特性的完整支持。新架构是React Native团队近年来最重要的技术革新,它通过引入TurboModules和Fabric渲染器,显著提升了应用的性能和响应速度。
对于测试框架而言,支持新架构意味着需要处理更复杂的底层交互。Detox团队通过内部适配,确保了测试脚本能够正确识别和操作由新架构渲染的组件,保持测试的稳定性和准确性。
2. 继承20.34.0版本的兼容性基础
值得注意的是,20.37.0版本是在20.34.0版本的基础上构建的,后者已经提供了对React Native 0.76的兼容支持。这种渐进式的兼容性更新策略,使得Detox能够紧跟React Native的发展步伐,同时保持每个版本的稳定性。
技术实现细节
为了实现与React Native 0.77的兼容,Detox团队主要进行了以下技术调整:
-
底层依赖更新:更新了与React Native相关的所有底层依赖,确保它们与0.77版本的API和架构保持同步。
-
新架构适配:针对TurboModules和Fabric渲染器进行了专门的适配工作,确保测试引擎能够正确识别和操作由新架构渲染的UI组件。
-
测试基础设施升级:更新了内部的测试运行环境,以验证Detox在新架构下的各种测试场景。
升级建议
对于正在使用Detox的React Native开发者,如果计划升级到RN 0.77,建议同步升级Detox到20.37.0版本。升级过程中需要注意以下几点:
-
渐进式升级:如果从较旧版本升级,建议先升级到20.34.0版本,验证基本功能后再升级到20.37.0。
-
测试覆盖:升级后应全面运行现有的测试套件,确保所有测试用例在新环境下仍能正常工作。
-
新特性验证:如果有使用RN 0.77的新特性,应添加相应的测试用例来验证这些特性在Detox环境下的表现。
未来展望
随着React Native新架构的逐步成熟,Detox团队表示将继续跟进RN核心团队的发展路线图。未来版本可能会进一步优化在新架构下的测试性能,并可能引入针对新架构特性的专属测试工具和方法。
对于依赖Detox进行质量保障的React Native团队来说,20.37.0版本的发布消除了升级到RN 0.77的技术障碍,使得他们能够同时享受RN新架构的性能优势和Detox强大的测试能力。
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