Circuit 0.26.1版本发布:手势导航优化与状态管理修复
项目简介
Circuit是一个由Slack开源的现代化Android UI框架,它采用声明式UI和单向数据流架构,旨在简化复杂UI界面的开发流程。Circuit借鉴了Jetpack Compose的设计理念,同时提供了更高级别的抽象和更完善的导航解决方案,特别适合构建大型应用程序。
核心改进
手势导航稳定性提升
本次0.26.1版本修复了一个重要的崩溃问题,该问题发生在用户从屏幕右侧执行返回手势操作时。这种边缘手势在全面屏设备上尤为常见,修复后显著提升了用户体验的稳定性。
CupertinoGestureNavigationDecoration现在被重构为AnimatedNavDecorator,这一改进使得导航装饰器能够更好地支持动画效果,为开发者提供了更灵活的导航交互动画定制能力。
状态管理修复
RetainedStateHolder中修复了一个关键的状态恢复问题。原先在调用removeState后,状态值无法正确恢复,现在这一问题已得到解决,确保了应用状态管理的可靠性。这一改进对于需要精确控制状态生命周期的场景尤为重要,比如在配置变更或进程重建时。
开发工具链更新
- 将Android Compose相关组件统一升级到1.7.8版本,包括material、runtime、animation、foundation和ui等核心模块
- 更新了Kotlinx-datetime到0.6.2版本
- Roborazzi测试库升级至1.41.1
- Ktor框架更新到3.1.0
这些依赖项的更新为开发者带来了最新的功能改进和性能优化,同时保持了与生态系统的兼容性。
文档完善
本次发布新增了两份重要文档:
-
共享元素使用教程:详细介绍了如何在Circuit中实现共享元素过渡动画,这是创建流畅界面转换的关键技术。
-
Android平台深度链接指南:提供了在Circuit框架下实现深度链接的基础参考,帮助开发者构建更完整的应用导航体系。
技术细节
CupertinoGestureNavigationDecoration向AnimatedNavDecorator的转变是一个架构上的改进,使得导航装饰器能够:
- 更好地响应导航动画事件
- 提供更精细的动画控制
- 保持与Circuit导航系统的紧密集成
状态管理修复涉及RetainedStateHolder内部机制的调整,现在能够正确处理以下场景:
- 状态被显式移除后
- 配置变更发生时
- 进程重建过程中
总结
Circuit 0.26.1版本虽然是一个小版本更新,但包含了多项重要的稳定性修复和功能改进。手势导航的优化使应用交互更加可靠,状态管理的修复增强了框架的健壮性,而文档的完善则降低了新用户的学习曲线。这些改进共同推动了Circuit框架向更成熟、更易用的方向发展。
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