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。
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