LightningCSS v1.30.0 发布:CSS 解析与构建工具的重要更新
LightningCSS 是一个高性能的 CSS 解析、转换和压缩工具,由 Parcel 团队开发。它能够处理现代 CSS 特性,包括嵌套规则、自定义属性、CSS 模块等,同时提供强大的浏览器兼容性处理和优化能力。最新发布的 v1.30.0 版本带来了一系列重要的功能改进和错误修复,进一步提升了开发者的使用体验。
相对颜色解析规范更新
本次更新中最显著的变化是对相对颜色解析规范的更新。根据最新的 CSS 规范:
- 颜色值现在支持数字形式,而不仅仅是百分比
- 颜色计算中的 calc() 表达式现在始终被视为数字
这是一个技术上的破坏性变更,开发者需要注意调整代码。特别是那些使用百分比进行相对颜色计算的场景,现在需要改用数字形式。例如,原先使用百分比表示的颜色值可能需要调整为对应的数字值。
嵌套规则实现更新
嵌套规则是现代 CSS 开发中备受期待的特性,v1.30.0 版本更新了嵌套规则的实现,使其符合最新规范:
- 现在可以在选择器中嵌套伪元素
- 声明和嵌套规则可以交错排列
这意味着开发者可以更灵活地组织 CSS 代码结构,例如将相关的样式规则和嵌套规则混合编写,提高了代码的可读性和维护性。同时,对伪元素的支持也使得嵌套规则的应用场景更加广泛。
性能优化:减少不必要的 @supports 规则
新版本对 @supports 规则的处理进行了优化。当规则已经嵌套在 @supports 块中时,系统会智能地跳过生成不必要的重复 @supports 规则。这一优化减少了最终生成的 CSS 体积,提升了页面加载性能。
错误恢复与兼容性改进
在错误处理方面,v1.30.0 改进了媒体查询的错误恢复机制,使得在遇到不合法的媒体查询时,工具能够更好地处理并继续解析后续内容,而不是直接中断。
新增了对 ::picker、::picker-icon 和 ::checkmark 伪元素的支持,这些是较新的 CSS 特性,扩展了样式控制的能力。
构建系统改进
本次更新还包含了构建系统的重要改进:
- 增加了对 Android 平台的支持
- 在 Windows 构建中静态链接 Visual Studio 可再发行组件,提高了部署的便捷性
错误修复
v1.30.0 修复了多个问题,包括:
- 改进了无效 composes 选择器的错误提示信息
- 更新了浏览器兼容性数据
- 修复了线性渐变方向在旧版厂商前缀值中的转换问题
- 解决了许可证注释中的换行符可能破坏 source map 的问题
- 修正了在导入前内联层的处理逻辑
这些修复提升了工具的稳定性和可靠性,使得开发者能够更顺畅地使用 LightningCSS 进行 CSS 处理。
总结
LightningCSS v1.30.0 带来了多项重要更新,特别是在 CSS 规范支持、嵌套规则实现和构建系统方面。这些改进不仅增强了工具的功能性,也提升了开发体验和最终产出的质量。对于使用现代 CSS 特性的开发者来说,升级到最新版本将能够获得更好的兼容性支持和更高效的构建过程。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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