BewlyBewly项目v0.40.0版本发布:B站界面优化与功能增强
BewlyBewly是一个基于Bilibili的浏览器扩展项目,旨在为用户提供更美观、更高效的B站浏览体验。该项目通过自定义样式和功能增强,让用户在访问Bilibili时能获得更现代化的界面和更便捷的操作方式。
主要功能改进
1. Bilibili Evolved兼容性支持
本次更新重点解决了与Bilibili Evolved插件的兼容性问题。开发团队重新设计了首页样式,确保两个扩展能够和谐共存。特别值得注意的是,新版本添加了顶部导航栏的毛玻璃效果,这种设计不仅美观,还能保持页面内容的可读性。
2. 顶部导航栏优化
v0.40.0版本引入了顶部导航栏切换功能,用户可以根据个人喜好选择使用BewlyBewly风格的导航栏或保留Bilibili原生的顶部栏。这一改进解决了之前版本中在某些页面意外显示顶部栏的问题,提升了用户体验的一致性。
3. 通知页面视觉升级
开发团队对通知页面的配色方案进行了全面重新设计,采用了更符合现代审美的色彩搭配。新的配色方案不仅美观,还考虑了不同环境下的可读性,确保用户在明亮或暗黑模式下都能清晰阅读通知内容。
技术细节与问题修复
1. 跨浏览器兼容性
本次更新特别关注了Firefox浏览器的兼容性问题,特别是解决了与Firefox多账户容器扩展的冲突。这一改进使得使用多账户功能的Firefox用户也能正常使用BewlyBewly的所有特性。
2. 输入法问题修复
针对用户反馈的搜索栏输入法问题,开发团队进行了专门优化。现在在使用中文等需要输入法支持的场景下,搜索功能将更加稳定可靠。
3. 暗黑模式兼容性
新版本解决了与Bilibili Evolved暗黑模式的样式冲突问题,确保无论用户启用哪种暗黑模式方案,页面显示都能保持一致性和美观性。
性能优化
开发团队对毛玻璃效果的模糊强度进行了精细调整,在保持视觉效果的同时减少了性能消耗。这一优化特别有利于配置较低的设备,能够提供更流畅的浏览体验。
总结
BewlyBewly v0.40.0版本通过一系列界面优化和功能增强,进一步提升了用户在Bilibili平台上的浏览体验。从视觉设计到功能交互,从浏览器兼容性到性能优化,这个版本都体现了开发团队对细节的关注和对用户体验的重视。特别是与Bilibili Evolved插件的兼容性改进,使得用户可以同时享受两个扩展带来的便利,而不必担心功能冲突。
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-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