Grommet v2.46.0 版本发布:数据表格优化与响应式容器增强
Grommet 是一个基于 React 的现代化 UI 组件库,专注于提供可访问、响应式的用户界面设计解决方案。它由 HPE 设计系统团队维护,广泛应用于企业级应用中。本次发布的 v2.46.0 版本带来了一系列功能改进和问题修复,特别是在数据表格和响应式设计方面有显著增强。
数据表格列宽跟踪优化
本次更新改进了 DataTable 组件中列宽的跟踪机制,以及这些宽度值在固定列功能中的应用。在之前的版本中,当表格内容动态变化时,列宽的调整可能不够精确,导致固定列效果不理想。新版本通过优化内部计算逻辑,使得列宽的跟踪更加准确,特别是在以下场景中表现更佳:
- 动态加载数据时保持列宽一致性
- 固定列与滚动列之间的过渡更加平滑
- 响应式调整时保持布局稳定性
NameValueList 组件宽度传递支持
NameValueList 组件现在支持通过 max 和 min 属性传递 width 值。这一改进使得开发者能够更灵活地控制名称-值对列表的显示方式,特别是在需要限制列表项宽度的情况下。例如,可以确保长名称和值在有限空间内正确显示,而不会破坏整体布局。
容器级响应式设计支持
本次更新引入了一个重要的新特性:Box 组件现在支持 responsive='container' 属性。这一功能允许开发者为响应式上下文(ResponsiveContext)及其任何响应式子元素设置基于容器宽度而非整个窗口宽度的断点。
这项功能特别适用于以下场景:
- 嵌入式组件需要在父容器内独立响应
- 模态框或侧边栏中的内容需要根据容器尺寸调整
- 复杂布局中需要隔离不同区域的响应式行为
需要注意的是,此功能要求 styled-components 版本在 v6 或以上才能正常工作。
问题修复与改进
本次版本还包含了一系列问题修复,提升了组件的稳定性和用户体验:
-
FileInput 组件现在正确处理 disabled 状态,当输入被禁用时,移除按钮也会相应变为禁用状态。
-
Pagination 组件的 TypeScript 类型定义现在包含 BoxTypes,提高了类型安全性。
-
DateInput 容器在禁用状态下且不在 FormField 内时,现在会正确显示禁用输入样式。
-
修复了 Box 组件中 gap 属性作为对象时在 small 断点下不会被调整的问题。
升级建议
对于正在使用 Grommet 的项目,建议在测试环境中先行验证 v2.46.0 版本,特别注意以下方面:
- 检查现有 DataTable 的列宽行为是否符合预期
- 验证容器级响应式设计是否按需工作
- 确保 styled-components 版本符合要求(如需使用新响应式功能)
本次更新在保持向后兼容性的同时,为开发者提供了更强大的布局控制能力,特别是在复杂数据展示和响应式设计方面有了显著提升。
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-1.5暂无简介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