VKUI 7.1.3版本发布:聚焦可访问性与交互体验优化
VKUI是VK公司开发的一套基于React的UI组件库,专为构建现代化的Web应用界面而设计。它提供了丰富的组件和工具,帮助开发者快速搭建符合VK设计规范的应用程序。最新发布的7.1.3版本主要针对组件的可访问性和用户体验进行了多项改进和修复。
可访问性增强
在本次更新中,多个组件的可访问性得到了显著提升。Pagination组件现在提供了更清晰的标签和导航按钮描述,使屏幕阅读器用户能够更准确地理解分页信息。OnboardingTooltip组件进行了全面改进,现在用户焦点会被限制在工具提示内部,同时覆盖层(overlay)变成了带有"关闭"标签的透明按钮,开发者可以通过overlayLabel属性自定义这个标签。
Alert组件也进行了可访问性优化,当存在关闭按钮时,该按钮会在Alert打开时首先获得焦点。文档中还新增了关于为具有相同操作的按钮命名的指导建议,帮助开发者更好地实现无障碍设计。
交互体验改进
TabItem组件修复了一个需要双击同一标签才能触发的问题,现在用户可以更流畅地进行标签切换。Gallery组件优化了快速切换slideIndex时的幻灯片翻页效果,使动画更加平滑自然。
HorizontalScroll组件回滚了之前的一个修复,因为它在Firefox浏览器中导致通过触摸板滚动时出现重绘问题。现在开发者需要注意,使用鼠标滚轮在导航箭头上方滚动可能无法正常工作,这是组件的已知限制。
模态框焦点管理
新版本为ModalPage和ModalCard组件新增了disableFocusTrap属性,允许开发者禁用焦点捕获功能。这个改进特别适用于多层模态框场景,可以避免多个FocusTrap之间的冲突问题。同时,修复了多个模态框同时打开时FocusTrap冲突的问题。
样式兼容性修复
本次更新还解决了一个样式兼容性问题,修复了在项目中所有元素都设置了box-sizing: border-box样式时使用VKUI库可能遇到的问题,提高了组件在不同项目环境中的兼容性。
文档完善
文档方面也进行了多项改进,包括修正了Accordion组件onChange属性的文档描述,以及在Storybook中修复了Controls选项卡的双滚动条问题,提升了开发者的文档阅读体验。
VKUI 7.1.3版本通过这些细致的改进和修复,进一步提升了组件的稳定性、可访问性和用户体验,为开发者构建高质量的Web应用提供了更强大的工具支持。
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