MASA.Blazor 1.10.0-rc.1版本发布:主题系统重构与移动组件独立化
MASA.Blazor是一个基于Blazor技术栈的企业级UI组件库,它提供了丰富的组件和现代化的设计风格,帮助开发者快速构建高质量的Web应用。本次发布的1.10.0-rc.1版本带来了多项重要更新,特别是在主题系统和移动组件方面的重大改进。
主题系统全面升级
1.10.0-rc.1版本对主题系统进行了彻底重构,引入了更符合Material Design 3规范的颜色系统。现在开发者可以:
- 使用更多颜色角色和CSS变量来定制界面风格
- 通过名称创建自定义主题,实现多主题切换
- 支持哀悼模式,一键切换为黑白配色
- 所有颜色相关的CSS变量现在只包含RGB值,使用时需要配合rgba()函数
值得注意的是,原有的Light和Dark属性已被标记为过时,推荐使用新的Theme属性来设置组件主题。例如,将<MButton Dark>改为<MButton Theme="dark">。
移动组件独立化
为了提高项目的模块化和可维护性,本次版本将多个移动端组件迁移到了独立项目中:
- 移动端选择器组件(PMobileCascader、PMobileDatePicker等)
- 下拉刷新组件(MPullRefresh)
- 页面堆栈导航组件(PPageStack)
- PDF查看器(MPdfMobileViewer)
开发者需要单独安装MASA.Blazor.MobileComponents包,并在服务注册时调用AddMobileComponents()扩展方法。页面堆栈导航栏组件也进行了重构,不再需要强制重新渲染。
其他重要组件更新
页面堆栈导航增强
页面堆栈导航组件获得了多项改进:
- 新增禁用过渡动画选项
- 引入PageStackTab组件和TabRefreshRequested事件
- 支持徽章功能
- 添加堆栈动画效果
- 允许自定义导航栏样式
表单验证改进
表单上下文现在提供了返回验证结果的方法,使开发者能够更方便地获取和处理验证信息。
新增空状态组件
新增的EmptyState组件专门用于展示空列表或空搜索结果,提升了用户体验的一致性。
通知消息去重
消息队列现在支持过滤重复消息,避免了界面上的冗余提示。
样式与交互优化
- 更新了焦点样式,使用focus-visible伪类提升可访问性
- 滑动选择器新增RTL(从右到左)支持
- 菜单组件现在会自动匹配视口高度
技术架构调整
为了更好的模块化管理,以下组件被迁移到独立的JS组件项目中:
- 轮播组件(Swiper)
- 网格布局(Gridstack)
- Markdown渲染(MarkdownIt和SyntaxHighlight)
- 视频播放器(Xgplayer)
开发者需要根据实际使用情况单独安装这些组件包。
升级指南
对于WebAssembly项目,更新依赖后可能需要删除bin和obj文件夹并重新编译。未使用MapStaticAssets的项目需要更新CSS和JS引用,添加版本号参数以避免缓存问题。
这次更新标志着MASA.Blazor向更模块化、更现代化的方向迈出了重要一步,特别是主题系统的重构为未来的设计一致性打下了坚实基础。开发者可以根据项目需求选择性地升级和使用新功能,逐步迁移到新的API和组件结构。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
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