Slidev v51.4.0版本发布:支持Bun包管理器与标题层级优化
Slidev是一个基于Web的现代化幻灯片制作工具,它允许开发者使用Markdown和Vue组件来创建精美的演示文稿。作为一个技术驱动的演示工具,Slidev不断迭代更新,为开发者提供更便捷的功能体验。
本次发布的v51.4.0版本带来了两个主要功能改进和一个重要问题修复,进一步提升了Slidev的易用性和稳定性。
支持Bun包管理器
新版本中,Slidev正式支持使用Bun作为项目的包管理器。Bun是一个新兴的JavaScript运行时和包管理工具,以其极快的速度和现代化的特性受到开发者欢迎。现在,用户可以在初始化Slidev项目或安装依赖时选择使用Bun,而不仅限于传统的npm或yarn。
这一改进使得依赖安装过程更加高效,特别是对于已经采用Bun作为主要开发工具链的用户来说,能够保持工具链的一致性。Slidev团队紧跟JavaScript生态系统的发展趋势,确保开发者能够使用最前沿的工具来创建演示文稿。
标题层级优化
另一个重要改进是在预解析器中增加了通过frontmatter设置标题和层级的能力。Frontmatter是Markdown文件顶部的YAML格式元数据区域,现在开发者可以直接在这里定义幻灯片的标题和层级结构。
这一特性使得内容组织更加灵活,开发者无需修改Markdown内容本身,只需在frontmatter中设置相关属性即可控制幻灯片的标题显示和层级关系。这对于需要复杂结构的大型演示文稿特别有用,能够更好地管理内容组织和导航。
预览点击计数修复
本次更新还修复了一个关于预览模式下点击计数的问题。在之前的版本中,预览模式下点击"下一步"时的计数可能存在不准确的情况,这会影响某些依赖点击计数的功能或动画效果。新版本确保了点击计数的准确性,提升了用户体验的一致性。
依赖更新
作为常规维护的一部分,Slidev v51.4.0还更新了项目依赖,确保使用最新的稳定版本。这包括底层框架和工具的版本升级,带来性能改进和安全修复,同时保持与生态系统的兼容性。
总结
Slidev v51.4.0版本的发布,体现了项目团队对开发者体验的持续关注。通过支持新兴的Bun包管理器,Slidev保持了技术的前沿性;而标题层级的优化则提升了内容组织的灵活性。这些改进,加上关键问题的修复,使得Slidev作为一个现代化的演示工具更加完善和可靠。
对于现有用户来说,升级到新版本将获得更流畅的开发体验;而对于新用户,Slidev现在提供了更多工具选择和更强大的内容管理能力,是创建技术演示文稿的绝佳选择。
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