Spectrum CSS Tokens 16.1.0-next.3 版本更新解析
Spectrum CSS 是 Adobe 设计系统的重要组成部分,它提供了一套完整的 CSS 设计规范和组件库,帮助开发者快速构建符合 Adobe 设计语言的用户界面。作为其核心部分,Tokens 系统定义了设计系统中的基础变量和规范,包括颜色、间距、字体、动画等设计元素。
本次发布的 16.1.0-next.3 版本对 Tokens 系统进行了多项重要更新,主要聚焦于组件间距、图标尺寸和交互状态的优化。这些变更将为开发者提供更精细的设计控制能力,同时保持与 Adobe 设计系统的一致性。
新增 Tokens 详解
1. 折叠面板(Accordion)相关 Tokens
新版本为折叠面板组件新增了一系列间距控制 Tokens,包括:
- 折叠面板内容区域到边缘的间距(小型、中型、大型和超大型)
- 折叠面板文本到顶部/底部的间距(多种尺寸变体)
这些 Tokens 允许开发者根据不同设备和屏幕尺寸精确控制折叠面板的布局。例如,accordion-top-to-text-compact-medium 在桌面端为 8px,在移动端则为 14px,这种差异化的设计考虑了不同设备上的交互体验。
2. 图标尺寸 Tokens
新增了多种常用图标的尺寸规范:
- 添加图标(add-icon)的多种尺寸(50-300)
- 拖拽手柄图标(drag-handle-icon)的多种尺寸(75-300)
- 链接外部图标(link-out-icon)的中大型尺寸(300-400)
这些标准化的图标尺寸 Tokens 有助于保持界面元素的一致性,特别是在需要多种尺寸图标的场景下,如不同密度的界面布局。
3. 字段与下拉图标间距
新增了字段顶部到下拉图标(disclosure-icon)的间距 Tokens,覆盖了紧凑型(compact)、常规型和宽松型(spacious)三种布局风格,每种风格又包含超大型(extra-large)到小型(small)四种尺寸。这种细致的划分使得表单字段在不同场景下都能保持良好的视觉平衡。
4. 列表视图和堆叠项相关 Tokens
- 列表视图(List View)的最小高度、宽度和内容间距
- 堆叠项(Stack Item)的交互状态背景色和间距
- 列表项圆角半径等视觉属性
这些新增 Tokens 特别适合需要构建复杂列表界面或可交互堆叠元素的场景,为开发者提供了更多控制界面细节的能力。
重要变更和更新
1. 折叠面板 Tokens 重构
本次更新对折叠面板相关的 Tokens 进行了重构,将原有的 regular 变体简化为更直观的命名方式。例如:
--spectrum-accordion-top-to-text-regular-large简化为--spectrum-accordion-top-to-text-large--spectrum-accordion-bottom-to-text-regular-medium简化为--spectrum-accordion-bottom-to-text-medium
这种命名简化使得 Tokens 更易于理解和使用,同时也调整了一些间距值以优化视觉效果。
2. 堆叠项交互状态
新增了堆叠项(Stack Item)在各种交互状态下的背景色 Tokens:
- 悬停(hover)状态
- 按下(down)状态
- 键盘聚焦(key-focus)状态
- 选中(selected)状态及其变体
这些状态 Tokens 使用 Spectrum 的标准色板(如 gray-100、gray-200),确保了交互反馈的一致性和可访问性。
3. 行高相关 Tokens
虽然未在此次更新中详细说明,但注意到新增了与字体大小对应的行高 Tokens(25-1500),这为后续的排版系统改进奠定了基础。
开发者迁移建议
对于正在使用 Spectrum CSS 的开发者,建议:
- 逐步替换已标记为弃用的 Tokens,使用新的简化命名方式
- 在表单字段中使用新的下拉图标间距 Tokens,确保在不同设备上的显示效果
- 为可交互元素(特别是堆叠项)添加新增的状态样式,提升用户体验
- 在需要自定义图标尺寸时,优先使用新增的标准尺寸 Tokens
本次更新体现了 Spectrum 设计系统对细节的持续优化,特别是在响应式设计和交互状态方面的进步。开发者可以利用这些新增 Tokens 构建更加精细和专业的前端界面,同时减少自定义样式带来的维护成本。
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