VXE Table 3.15.0版本发布:性能优化与功能增强
VXE Table是一个功能强大的Vue表格组件库,提供了丰富的表格功能和灵活的配置选项。在3.15.0版本中,开发团队对表格组件进行了多项重要改进,包括API优化、性能提升和问题修复。
API优化与兼容性处理
本次版本对部分API进行了优化调整,同时保持了良好的向下兼容性:
-
行选择配置:将
row-config.currentMethod参数迁移为current-row-config.beforeSelectMethod,新命名更加语义化,明确了其作用范围。 -
列选择配置:类似地,
column-config.currentMethod参数被current-column-config.beforeSelectMethod取代。 -
事件重命名:
current-change事件更名为current-row-change,使事件命名更加清晰明确。虽然旧API仍然可用,但建议开发者逐步迁移到新API。
这些变更体现了VXE Table团队对API设计一致性的重视,通过更规范的命名帮助开发者更好地理解和使用组件功能。
功能增强
3.15.0版本引入了多项新功能:
-
新增事件:
current-row-change和current-column-change事件,提供更细粒度的行列选择变化监听current-row-disabled和current-column-disabled事件,用于处理禁用状态下的行列选择
-
自定义列增强:优化了自定义列功能,使开发者能够更灵活地配置表格列。
-
虚拟合并优化:大幅提升了虚拟滚动与合并功能的渲染性能,特别是在处理大数据量时表现更为出色。
问题修复
本次版本修复了多个影响用户体验的问题:
-
修复了筛选面板在特定场景下的显示问题,提高了组件的稳定性。
-
解决了树形结构表格中展开行无效的问题,确保了树形功能的可靠性。
-
修正了标题提示中HTML显示无效的问题,增强了提示功能的实用性。
-
修复了滚动条显示异常的问题,提升了表格的视觉一致性。
性能优化
3.15.0版本在性能方面做出了显著改进:
-
渲染性能提升:通过优化虚拟滚动与合并的实现,大幅减少了渲染开销,使表格在处理大量数据时更加流畅。
-
交互体验优化:改进了列宽拖拽的样式和交互效果,使调整列宽的操作更加自然直观。
这些性能优化使得VXE Table在处理复杂业务场景时表现更加出色,特别是在大数据量下的响应速度有了明显提升。
升级建议
对于正在使用VXE Table的项目,建议评估以下升级策略:
-
检查项目中是否使用了被标记为兼容保留的API,计划逐步迁移到新API。
-
测试性能敏感场景,特别是涉及大数据量或复杂合并的情况,验证性能提升效果。
-
评估新事件是否能简化现有代码逻辑,考虑采用更细粒度的事件处理方式。
VXE Table 3.15.0版本的发布,不仅解决了多个实际问题,还通过API优化和性能提升为开发者提供了更好的开发体验。这些改进使得VXE Table在功能丰富性和性能表现上达到了新的水平,值得开发者关注和升级。
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