LightningCSS v1.29.3 版本发布:CSS 选择器与模块化增强
项目简介
LightningCSS 是一个高性能的 CSS 处理工具,由 Parcel 团队开发。它能够解析、转换和压缩 CSS 代码,支持现代 CSS 特性,并提供强大的浏览器兼容性处理能力。相比传统的 CSS 处理器,LightningCSS 采用 Rust 编写,具有显著的性能优势,同时支持 CSS 模块化等现代前端开发所需的功能。
版本亮点
最新发布的 v1.29.3 版本带来了几项重要的功能增强和改进,主要集中在 CSS 选择器支持和 CSS 模块化方面。
1. 新增伪元素选择器支持
本次更新增加了对 ::details-content 和 ::target-text 这两个伪元素选择器的支持:
::details-content选择器用于匹配<details>元素的内容部分,开发者可以更方便地为可折叠内容区域设置样式::target-text选择器则用于匹配当前 URL 片段标识符(hash)所指向的文本内容,这在实现文档内导航高亮时非常有用
这些新增的选择器扩展了 LightningCSS 对现代 CSS 规范的支持范围,使开发者能够使用更多原生 CSS 功能来实现复杂的交互效果。
2. :placeholder-shown 选择器名称标准化
团队更新了 :placeholder-shown 伪类选择器在各浏览器中的实现名称。这个选择器用于匹配显示占位符文本的输入元素,是表单样式设计中常用的功能。通过统一不同浏览器中的命名规范,LightningCSS 确保了样式代码在不同环境中的一致性表现。
3. CSS 模块化功能增强
本次更新引入了一个新的注释标记 /* cssmodules-pure-no-check */,这是对 CSS 模块化功能的重要补充:
- 这个特殊注释可以放置在 CSS 规则前,告诉 LightningCSS 跳过对该规则的模块化处理
- 适用于那些确实需要全局作用域的样式规则,同时又能保持其他部分的模块化特性
- 为开发者提供了更细粒度的控制能力,在模块化和全局样式之间取得平衡
4. 浏览器兼容性数据更新
作为常规维护的一部分,本次发布还更新了内置的浏览器兼容性数据库。这意味着:
- LightningCSS 能够更准确地处理 CSS 特性的浏览器前缀和降级方案
- 自动补全和转换将基于最新的浏览器支持情况
- 开发者可以更放心地使用现代 CSS 特性,工具会处理好兼容性问题
技术意义
从技术架构角度看,这次更新体现了 LightningCSS 的几个设计理念:
- 紧跟标准发展:及时实现新的 CSS 规范特性,保持工具的现代性
- 注重实用性:新增的选择器和模块化控制都是实际开发中的常见需求
- 稳定性优先:通过更新兼容性数据确保转换结果的可靠性
对于前端开发者而言,v1.29.3 版本提供了更多样化的样式控制手段,特别是在处理表单交互和模块化 CSS 方面有了更完善的解决方案。这些改进使得 LightningCSS 在现代前端工具链中的地位更加稳固,特别是在性能敏感的项目中,它能够提供比传统 CSS 处理器更高效的构建体验。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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