Dash Bootstrap Components 2.0.0版本发布:全面兼容Dash 3.0.0
Dash Bootstrap Components是一个基于React和Bootstrap构建的开源UI组件库,专为Python的Dash框架设计。它为数据科学家和分析师提供了丰富的Bootstrap风格组件,可以快速构建美观且响应式的Web应用程序界面。最新发布的2.0.0版本主要针对Dash 3.0.0进行了兼容性更新,同时引入了一些新功能和改进。
新增功能亮点
标签组件支持超大尺寸
在2.0.0版本中,Label组件新增了xxl属性支持。虽然底层逻辑已经实现,但由于缺少prop-types声明,之前版本中无法使用这个属性。现在开发者可以使用xxl属性创建超大尺寸的标签,为界面设计提供了更多灵活性。
加载指示器功能增强
Spinner和Placeholder组件现在支持target_components属性,其功能类似于dcc.Loading组件。这意味着开发者可以指定这些加载指示器覆盖的目标组件,当目标组件处于加载状态时,加载指示器会自动显示。同时新增的display属性允许开发者强制显示这些组件,为特殊场景下的UI控制提供了更多可能性。
卡片链接支持禁用状态
CardLink组件新增了disabled属性,现在开发者可以创建不可点击的卡片链接,丰富了卡片组件的交互设计选项。
重要变更与改进
模态框样式属性重构
Modal组件的样式属性进行了重大调整,使其更加一致和直观。modal_class_name和modalClassName属性被重命名为class_name和className,这些属性现在与style属性作用于相同的元素(模态框本身)。而之前这些属性设置的模态框对话框样式,现在应该使用dialog_class_name和dialogClassName属性来设置。这一变更使得样式设置逻辑更加清晰,减少了开发者的困惑。
移除无效属性
为了提高代码质量和减少混淆,2.0.0版本移除了多个实际上没有效果的属性,包括:
- Carousel.ride
- DropdownMenu.addon_type
- Navbar.light
- NavbarSimple.light
- Popover.innerClassName
- Popover.inner_class_name
这些属性的移除有助于简化API,使开发者更专注于真正有效的配置选项。
移除废弃属性和时间戳属性
随着项目的发展,一些属性已经被标记为废弃。在2.0.0版本中,这些属性被正式移除,包括DropdownMenu.right和Table.dark。开发者应该使用替代方案来实现相应功能。
此外,所有_timestamp属性也被移除。Dash 3.0.0提供了更强大的回调上下文功能,开发者应该转而使用这些新特性来获取时间相关信息。
升级建议
对于正在使用Dash Bootstrap Components的项目,升级到2.0.0版本需要注意以下几点:
-
检查项目中是否使用了被移除的属性,特别是模态框相关的样式属性,需要按照新的命名规范进行调整。
-
如果项目依赖时间戳功能,需要重构代码使用Dash 3.0.0的回调上下文机制。
-
可以利用新引入的加载指示器功能来优化用户体验,特别是在数据加载场景下。
-
对于标签组件,现在可以使用xxl尺寸来创建更突出的视觉元素。
这个版本标志着Dash Bootstrap Components与Dash生态系统更紧密的集成,为开发者提供了更一致、更强大的工具集来构建数据驱动的Web应用程序。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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