AntV S2 2.4.0版本发布:增强移动端交互与数据可视化能力
AntV S2是蚂蚁金服AntV数据可视化家族中的一员,专注于多维表格分析场景。作为一款高性能的多维分析表格组件,S2能够帮助开发者快速构建交互式的数据透视表,支持海量数据渲染和丰富的交互操作。
移动端交互体验优化
在2.4.0版本中,开发团队重点优化了移动端的用户体验。修复了移动设备上点击事件多次触发的bug,这一改进使得移动端用户的操作更加精准可靠。同时,修复了单元格二次选中不生效的问题,提升了表格操作的连贯性和一致性。
新增二维码图片渲染支持
本次更新新增了对二维码图片的渲染支持。这一功能扩展了S2在数据可视化中的应用场景,使得用户可以直接在表格中嵌入二维码,为数据展示增加了新的维度。开发者现在可以轻松地在表格中展示包含二维码的数据,这在需要快速链接到其他资源或信息的场景下尤为实用。
聚合计算功能增强
2.4.0版本在数据聚合功能上进行了重要增强,新增了对COUNT聚合方法的支持。这一改进丰富了S2的数据分析能力,使得开发者能够更灵活地进行数据汇总统计。COUNT作为基础但重要的聚合方法,其加入使得S2在数据透视和分析场景下的表现更加全面。
技术实现细节
在移动端交互优化方面,开发团队通过改进事件处理机制,解决了移动设备特有的触摸事件与点击事件的冲突问题。二维码渲染功能的实现则基于现有的图片渲染架构进行了扩展,保证了性能的同时增加了新的展示能力。COUNT聚合方法的实现则进一步完善了S2的数据处理引擎。
升级建议
对于现有用户,建议评估新功能对项目的影响。特别是移动端用户,升级后将获得更稳定的交互体验。需要展示二维码或使用COUNT聚合的项目,可以考虑升级以利用这些新特性。升级过程应遵循标准的依赖管理流程,并注意测试现有功能的兼容性。
AntV S2 2.4.0版本的这些改进和新增功能,进一步巩固了其作为专业级多维分析表格解决方案的地位,为开发者提供了更强大的工具来构建数据密集型应用。
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