TailwindCSS 4.x 中 Chrome 133 版本悬停样式失效问题解析
问题背景
近期在 TailwindCSS 4.x 版本中,许多开发者报告了一个奇怪的现象:在基于 Chromium 133 的浏览器(如 Chrome、Edge、Brave 等)中,使用 hover: 前缀的悬停样式无法正常应用,而 Firefox 和旧版 Chromium 132 则表现正常。这个问题主要影响 Windows 11 系统的用户,特别是那些带有触摸屏功能的设备。
技术原理分析
TailwindCSS 4.x 对悬停状态的处理机制进行了重要改进。在底层实现上,框架会自动为所有 :hover 伪类选择器添加 @media (hover: hover) 媒体查询包装。这个媒体查询的作用是检测当前设备是否支持精确悬停操作,从而避免在触摸设备上出现"粘性悬停"问题(即触摸后元素保持悬停状态)。
/* TailwindCSS 4.x 生成的样式示例 */
@media (hover: hover) {
.hover\:text-red-500:hover {
color: var(--color-red-500)
}
}
问题根源
经过深入调查,发现这是 Chromium 133 版本中的一个 P0 级缺陷(编号 394519480)。该缺陷导致浏览器错误地判断了设备的输入能力,特别是在以下两种场景中:
- 常规笔记本电脑:即使设备没有触摸功能,Chrome 133 也可能错误地认为设备不支持悬停操作
- 混合输入设备:对于带有触摸屏的笔记本电脑(如 2-in-1 设备),当连接外接鼠标时,浏览器无法正确识别主输入设备
临时解决方案
在等待浏览器厂商修复的同时,开发者可以采用以下临时解决方案:
/* 覆盖默认的 hover 变体检测逻辑 */
@custom-variant hover (&:hover);
这个方案会绕过媒体查询检测,直接应用悬停样式。但需要注意,这会导致触摸设备上也出现悬停效果,可能影响移动端用户体验。
最终解决方案
Chromium 团队已在 133.0.6943.99 版本中修复了该问题。开发者可以:
- 将 Chrome 浏览器升级至最新稳定版
- 对于其他基于 Chromium 的浏览器(如 Edge),等待相应更新发布
- 确认修复后,可以移除临时解决方案
最佳实践建议
- 多浏览器测试:特别是对于混合输入设备,应在多种浏览器和设备类型上进行悬停样式测试
- 渐进增强:考虑使用
any-hover媒体查询替代单纯的hover检测,以更好地处理复杂输入场景 - 版本控制:对于关键交互元素,可以考虑保留临时解决方案直到大多数用户升级到修复版本
总结
这次事件展示了现代 CSS 框架与浏览器特性检测机制之间的微妙关系。TailwindCSS 4.x 通过媒体查询增强悬停状态的处理是正确的技术方向,但依赖浏览器正确实现相关标准也同样重要。开发者应当理解框架的底层机制,才能在遇到类似问题时快速定位和解决。
对于仍然受影响的 Edge 等浏览器用户,建议暂时使用 @custom-variant 解决方案,同时密切关注浏览器更新。随着各浏览器逐步合并 Chromium 的修复补丁,这一问题将得到全面解决。
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
Spark-Prover-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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