Spectrum CSS资产组件7.0.0版本发布解析
Spectrum CSS是Adobe开源的一套设计系统CSS实现,它为Web应用提供了一套完整的UI组件库,遵循Adobe Spectrum设计规范。这套系统广泛应用于Adobe系列产品中,能够帮助开发者快速构建符合Adobe设计语言的用户界面。
重大更新:Spectrum 2基础架构
本次7.0.0版本的主要变化是引入了Spectrum 2基础架构,这是一个连接Spectrum 1(S1)和Spectrum 2(S2)设计的桥梁。这个更新不是完整的S2组件迁移,而是提供了一个"系统"层,允许开发者通过重新映射组件级令牌(token)来在S1、Express和S2设计之间切换组件外观。
版本兼容性说明
要使用S2设计风格,开发者需要搭配使用16.0.0或更高版本的@spectrum-css/tokens。如果希望保持S1或Express风格,则需要使用14.x或15.x版本的@spectrum-css/tokens。值得注意的是,这个版本主要用于Spectrum Web Components 1.x项目。
文件使用指南
新版本提供了几种不同的CSS文件以满足不同需求:
-
index.css:包含所有基础样式加上S2基础架构的系统映射,适合只需要S2基础架构样式的场景。
-
index-base.css:基础样式文件,搭配themes/(spectrum|express).css主题文件使用,适合仅需要S1或Express风格的组件。
-
动态切换设计风格:通过加载index-base.css和index-theme.css,并使用特定的上下文类(.spectrum--legacy对应S1,.spectrum--express对应Express),可以在不同设计风格间灵活切换。
废弃内容说明
本次更新中移除了metadata文件夹及其内容(mods.md和metadata.json),这些信息现在可以在每个组件dist目录下的metadata.json文件中找到。同时,index-vars.css文件也被完全移除,开发者应该使用index.css或index-base.css作为替代。
技术实现细节
新版本的核心改进在于引入了设计系统间的桥梁机制。通过系统层的令牌重映射,开发者可以在不改变组件结构的情况下,仅通过切换令牌系统来改变整体视觉风格。这种架构使得设计系统的升级和迁移变得更加平滑,降低了开发者的迁移成本。
对于正在使用Spectrum Web Components 1.x的开发者来说,这个版本提供了向后兼容的解决方案,同时也为未来向S2的过渡做好了准备。通过这种渐进式的升级路径,Adobe为开发者提供了更大的灵活性和更小的升级风险。
总结
Spectrum CSS资产组件7.0.0版本的发布标志着Adobe设计系统向Spectrum 2过渡的重要一步。通过引入基础架构层,开发者现在可以更灵活地在不同设计风格间切换,同时为未来的完整迁移做好准备。这个版本特别适合那些需要保持向后兼容性,同时又希望开始尝试新设计风格的开发团队。
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