DivKit 31.0.0版本发布:跨平台UI框架的重大更新
DivKit是一个由Yandex开源的跨平台UI框架,它允许开发者使用声明式的JSON格式来构建复杂的用户界面。通过统一的JSON描述,DivKit可以在Android、iOS和Web平台上渲染出完全一致的UI效果,大大提高了开发效率和跨平台一致性。最新发布的31.0.0版本带来了多项重要更新和改进,本文将详细介绍这些变化。
Android客户端重大变更
31.0.0版本对Android客户端进行了多项架构优化和API清理:
-
配置API重构:移除了
DivKitConfiguration.Builder.histogramConfiguration(HistogramConfiguration)方法,改用Provider模式提供直方图配置,这提高了配置的灵活性和延迟初始化能力。 -
变量控制器升级:废弃了
GlobalVariableController类,统一使用DivVariableController作为变量管理的标准接口,简化了API设计。 -
上下文管理优化:重构了
Div2Context的构造函数,现在更明确地要求使用ContextThemeWrapper而不是Activity,这提高了上下文管理的安全性和一致性。 -
工具提示系统增强:改进了工具提示(tooltip)的显示控制逻辑,现在可以更精确地控制工具提示的显示条件和行为。
-
性能改进:移除了
DivAutoLogger等过时的性能监控工具,整合了更现代的监控方案。 -
文本渲染改进:修复了文本范围重叠时的显示问题,并改进了行高计算逻辑,使文本布局更加精确。
iOS客户端重要更新
iOS端在这个版本中进行了深度的API清理和架构优化:
-
工具提示默认行为变更:工具提示的默认宽度现在与Android一致,采用
match_parent而非之前的wrap_content,确保了跨平台一致性。 -
动作处理系统重构:移除了
DivActionLogger协议,统一使用DivReporter作为报告机制,简化了事件跟踪架构。 -
变量管理简化:废弃了
DivVariableUpdater协议,整合了更简洁的变量更新机制。 -
API可见性调整:将多个内部使用的类标记为
@_spi(Internal),明确了公共API边界,防止误用内部实现细节。 -
新功能支持:增加了对文本范围基线偏移(baseline_offset)的支持,提供了更精细的文本样式控制能力。
Web客户端突破性变化
Web端在这个版本中进行了多项架构改进和功能增强:
-
全局命名空间变更:将全局API从
Ya.Divkit迁移到Ya.DivKit(注意大小写变化),这是为了统一命名规范。 -
数值处理升级:全面采用BigInt支持,要求现代浏览器环境,提供了更精确的大整数处理能力。
-
交互元素标准化:具有动作的元素现在默认渲染为
button标签,改善了可访问性和交互一致性。 -
构建系统现代化:从传统构建工具迁移到Vite/Rollup,提高了构建效率和模块化程度。
-
工具提示行为统一:调整了工具提示的显示逻辑,使其行为与其他平台保持一致。
-
新动作类型支持:增加了对
set_state和set_stored_value等新动作类型的支持,扩展了交互能力。
跨平台一致性改进
31.0.0版本特别注重各平台间行为的一致性:
-
双击动作处理:统一了各平台对
doubletap_actions的处理逻辑,现在Android和Web的行为完全一致。 -
非交互元素行为:调整了Web端非交互元素的点击处理,使其更接近原生平台的行为模式。
-
工具提示模态性:默认使工具提示具有模态行为,提高了用户体验的一致性。
开发者建议
对于正在使用DivKit的开发者,升级到31.0.0版本时需要注意:
-
仔细检查所有废弃API的使用情况,按照文档指引进行迁移。
-
特别注意Web端全局命名空间的大小写变化,以及构建输出的结构调整。
-
测试工具提示和交互元素在新版本中的表现,确保符合预期。
-
利用新的变量管理API和动作类型,可以构建更复杂的交互逻辑。
DivKit 31.0.0版本通过深度的架构清理和功能增强,进一步提高了框架的稳定性、一致性和易用性,为构建高质量的跨平台应用提供了更强大的基础。
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
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