Bits-UI 2.1.0 版本发布:Svelte 组件库的重大升级
Bits-UI 是一个基于 Svelte 构建的现代化 UI 组件库,专注于提供高性能、可访问性良好的组件解决方案。最新发布的 2.1.0 版本带来了多项重要更新,包括对 Svelte 5 新特性的支持、新增组件以及现有组件的功能增强。
核心升级:Svelte 5 支持
2.1.0 版本将最低 Svelte 版本要求提升至 5.33.0,以充分利用 Svelte 5 引入的两个重要特性:
- Attachments 特性:这是一种新的组件交互模式,允许组件更灵活地处理子元素和插槽内容。
- $props.id():Svelte 5 提供的这个新方法简化了组件 ID 管理,特别是在处理可访问性属性时特别有用。
这些升级意味着开发者现在可以构建更复杂、更灵活的 UI 交互,同时保持代码的简洁性。
新增日期时间组件
本次更新引入了两个重要的日期时间相关组件:
-
TimeField 组件:这是一个时间输入控件,采用分段式设计,每个时间部分(小时、分钟等)都有独立的控制,并提供了完整的键盘支持。这种设计比传统的文本输入框更适合时间选择场景。
-
TimeRangeField 组件:扩展了 TimeField 的功能,允许用户选择时间范围(开始时间和结束时间)。这对于需要时间区间选择的场景(如预约系统)特别有用。
值得注意的是,这些组件依赖于 @internationalized/date 库,因此该库现在成为了 Bits-UI 的必要依赖项。
Slider 组件的重大改进
Slider(滑块)组件在本版本中获得了多项功能增强:
-
离散值支持:现在可以通过 steps 属性直接指定可选值数组,而不仅仅是设置步长。例如,可以指定只能选择 [10, 20, 30, 40] 这些特定值。
-
标签支持:
- ThumbLabel:为滑块手柄添加标签
- TickLabel:为刻度标记添加标签 这些标签组件大大提升了 Slider 的可读性和用户体验。
-
API 改进:
- 引入了 tickItems 片段属性替代旧的 ticks
- 引入了 thumbItems 片段属性替代旧的 thumbs 这些新 API 提供了更灵活的渲染控制,特别是在需要自定义标签时。
-
布局优化:新增 trackPadding 属性,作为 SSR 友好的替代方案,解决了之前需要客户端测量才能实现的布局问题。
其他改进
Button 组件也进行了小幅度优化,为 ref 属性添加了 null 回退,与其他组件保持一致。虽然是个小改动,但体现了库在 API 一致性方面的持续改进。
升级建议
对于现有项目,升级到 2.1.0 版本需要注意以下几点:
- 确保项目使用的 Svelte 版本至少为 5.33.0
- 添加 @internationalized/date 作为项目依赖
- 检查项目中 Slider 组件的使用情况,考虑迁移到新的 tickItems 和 thumbItems API
这次更新标志着 Bits-UI 向更现代化、功能更丰富的方向迈进了一大步,特别是对复杂表单控件的支持有了显著提升。开发者现在可以更轻松地构建专业级的用户界面,同时保持良好的可访问性和用户体验。
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