MUI Toolpad v0.12.0发布:React 19支持与框架优化升级
MUI Toolpad是一个基于React的低代码开发平台,它允许开发者通过可视化界面快速构建应用程序,同时保留对代码的完全控制权。作为Material-UI生态系统的一部分,Toolpad结合了MUI组件库的强大功能和低代码开发的便捷性,为开发者提供了高效的应用开发体验。
重大变更:框架特定AppProvider重命名
本次发布的v0.12.0版本引入了一个重要的破坏性变更——框架特定的AppProvider组件进行了重命名,以提高代码清晰度。这一变更影响了React Router和Next.js两种框架集成方式:
对于React Router用户,现在需要使用ReactRouterAppProvider,同时注意导入路径也从react-router-dom变更为react-router。Next.js用户则需要将AppProvider改为NextAppProvider。这种命名规范化使得组件用途更加明确,减少了在不同框架间切换时的混淆可能。
React 19升级
v0.12.0版本将Toolpad升级至React 19,这意味着开发者现在可以利用React最新版本带来的性能优化和新特性。React 19引入了一系列改进,包括更高效的渲染机制、改进的并发模式支持以及更好的开发者工具集成。对于Toolpad用户来说,这意味着更流畅的编辑体验和更高效的运行时性能。
创建工具改进:Vite支持
create-toolpad-app命令行工具现在增加了框架选择功能,特别新增了对Vite的支持。Vite作为新一代前端构建工具,以其极快的启动时间和热更新速度著称。这一改进为开发者提供了更多选择,可以根据项目需求选择适合的构建工具链,无论是传统的Webpack还是现代的Vite。
DashboardLayout组件优化
DashboardLayout组件的侧边栏CSS过渡效果在特定断点下得到了修复和改进。这意味着在不同屏幕尺寸下切换侧边栏状态时,动画效果将更加平滑自然。这种细节优化虽然看似微小,但对于提升用户体验至关重要,特别是在响应式设计中。
PageHeader组件增强
PageHeader组件现在支持多个非链接形式的面包屑导航项。这一增强使得页面导航结构能够更灵活地展示复杂层级关系,而不仅限于可点击的链接。对于具有复杂信息架构的应用来说,这一改进大大提升了导航的灵活性和表现力。
其他改进与修复
本次发布还包含了一系列其他改进和错误修复:
- 修复了Account组件中用户数据在kebab菜单中的溢出问题
- 解决了CI构建过程中因Recharts控制台错误导致的失败问题
- 移除了示例项目中的lockfile,简化了项目设置
- 文档方面进行了多项改进,包括修复特色图片、优化示例README文件、修正布局示例页面等
总结
MUI Toolpad v0.12.0通过升级React 19、改进框架集成方式、增强组件功能等一系列更新,为开发者提供了更强大、更灵活的低代码开发体验。特别是对Vite的支持和React 19的升级,使得Toolpad能够更好地融入现代前端开发工作流。这些改进不仅提升了开发效率,也为构建高性能、响应式的应用程序提供了更好的基础。
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-1.5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