Mpx 2.10.6版本发布:跨端开发框架的优化与增强
Mpx是滴滴开源的一款优秀的小程序跨端开发框架,它支持开发者使用类Vue语法编写代码,并能够编译输出到微信、支付宝、百度、字节跳动等多个小程序平台以及Web、React Native等端。Mpx框架通过增强的模板语法、完善的状态管理和灵活的跨端能力,为开发者提供了高效的多端开发体验。
新特性解析
1. 移除废弃API与无障碍支持
在2.10.6版本中,Mpx框架针对React Native输出进行了多项优化。首先移除了已经废弃的global.setCurrentPageStatus API,这体现了框架对API生命周期的规范管理。同时新增了对aria-role和aria-label等无障碍标签的支持,这对于提升应用的无障碍访问能力具有重要意义,使应用能够更好地服务于视障用户等特殊群体。
2. 增强npm包支持
新版本引入了normalNpmPackages配置项,专门用于支持那些设计用于多小程序跨端的npm库(如antd-mini)的正常打包构建。这一改进解决了之前这类库在Mpx项目中可能遇到的构建问题,为开发者使用第三方UI库提供了更好的支持。
3. URL参数处理优化
在React Native输出方面,框架移除了对load params的二次encode处理,现在开发者获取到的params value已经是decode过的值。这一改变使得参数处理更加直观,减少了开发者需要手动解码的麻烦,提升了开发效率。
重要问题修正
1. 错误处理机制优化
本次更新统一了API proxy中的错误处理机制,将所有错误都传递至全局的errorHandler进行处理,避免了直接throw错误导致的意外中断。这一改进使得错误处理更加集中和可控,有助于开发者构建更健壮的应用。
2. 构建产物隔离
修正了多个Mpx构建产物在一个运行时中可能出现的全局变量污染问题。这个问题在复杂项目中尤为关键,当多个Mpx构建产物共存时,可能会因为全局变量冲突导致不可预期的行为。修正后,各个构建产物能够更好地隔离运行,提高了项目的稳定性和可维护性。
3. React Native组件增强
针对React Native输出,本次更新带来了多项重要修正和增强:
- 修正了Toast组件的样式问题
- 改进了swiper、movable-view等手势组件的识别方向锁定,解决了在外层存在scrollView或其他手势组件时的手势冲突问题
- 支持了所有基础组件的fixed定位
- 修正了MpxKeyboardAvoidingView键盘高度计算错误的问题
- 支持了单组件输出模式下使用component generic特性
这些改进显著提升了Mpx在React Native端的表现力和稳定性,使得小程序向React Native的迁移更加平滑。
4. 其他修正
修正了头条环境下webview UA表示判断的大小写敏感问题,以及render函数压缩处理逻辑中的问题。这些看似小的修正实际上对特定场景下的应用稳定性有着重要影响。
总结
Mpx 2.10.6版本虽然在版本号上是一个小版本更新,但带来的改进却非常实用。从构建配置的增强到运行时问题的修正,从React Native输出的优化到无障碍访问的支持,这些改进都体现了Mpx团队对开发者体验的持续关注。
对于正在使用Mpx框架的开发者来说,升级到2.10.6版本将能够获得更稳定的开发体验,特别是在React Native输出和多项目构建方面。新加入的normalNpmPackages配置也为使用跨端UI库的团队提供了更好的支持。
作为一个小程序跨端开发框架,Mpx持续在性能、稳定性和开发体验上做出优化,2.10.6版本的发布再次证明了这一点。对于考虑采用跨端方案的技术团队,Mpx值得认真评估和尝试。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00