VisActor/VChart 1.13.8版本发布:图表动画优化与交互体验升级
VisActor/VChart是一个功能强大的可视化图表库,它提供了丰富的图表类型和灵活的配置选项,帮助开发者快速构建专业的数据可视化应用。作为一款现代化的图表解决方案,VChart不断优化用户体验和功能特性,本次发布的1.13.8版本带来了一系列重要的改进和修复。
核心功能增强
图表动画优化
本次版本重点修复了柱状图在非零基线情况下的生长动画问题。在之前的版本中,当用户将坐标轴的zero属性设置为false时,柱状图的生长动画可能会出现异常。新版本通过优化动画计算逻辑,确保了在任何基线设置下都能呈现流畅的柱状图生长效果。
交叉指示线交互改进
交叉指示线(Crosshair)是图表中常用的交互元素,用于精确查看数据点的数值。1.13.8版本对交叉指示线进行了多项优化:
- 当标签内容无效时自动隐藏交叉指示线,避免显示空内容
- 在数据缩放(DataZoom)操作时自动隐藏交叉指示线,提升交互一致性
- 修复了在某些情况下交叉指示线会残留显示的问题
移动端交互体验提升
针对移动设备的使用场景,新版本优化了缩放交互的实现:
- 修复了仅支持指针事件的移动设备上的缩放功能
- 解决了数据缩放时拖动和缩放可能同时触发的问题
- 优化了触摸操作的响应速度和准确性
数据与样式配置增强
数据域控制
新增了通过data.fields设置字段域的功能,开发者现在可以更灵活地控制数据的显示范围。同时,统计锁定功能新增了onlyFull选项,允许用户指定仅在完整数据范围内应用统计锁定。
图例标题可见性
修复了图例标题可见性控制的bug,现在通过legends.title.visible配置可以准确控制图例标题的显示与隐藏,满足更多样化的展示需求。
象形图绘制修复
对象形图(Pictogram)的SVG路径绘制进行了修复,确保了象形图能够正确显示。象形图是一种使用图形符号表示数据的图表类型,在数据可视化中具有独特的表达效果。
框架集成优化
针对React框架的集成,修复了工具提示(Tooltip)子元素处理的问题。现在React组件作为工具提示内容时,不会被错误地设置为图表规范(spec),保证了React组件的正常渲染和交互。
性能与稳定性
- 修复了按需加载仪表盘(Gauge)图表时的错误问题
- 优化了事件处理机制,解决了事件阻止可能导致的气泡层级问题
- 升级了底层依赖vgrammar至0.16.3版本,提升了整体稳定性和性能
VisActor/VChart 1.13.8版本通过这些改进,进一步提升了图表的交互体验、视觉效果和稳定性,为开发者提供了更强大、更可靠的数据可视化工具。无论是简单的业务图表还是复杂的数据看板,VChart都能提供专业级的解决方案。
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
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