Ark-UI Solid 5.1.0 版本发布:响应式 Props 支持与组件优化
Ark-UI 是一个基于 Solid.js 的 UI 组件库,它提供了一系列可访问、可组合的 UI 组件,帮助开发者快速构建现代化的 Web 应用。本次发布的 5.1.0 版本带来了多项重要改进,特别是在响应式 Props 支持和多个组件的功能修复方面。
响应式 Props 支持
在 Solid.js 生态中,响应式编程是其核心特性之一。5.1.0 版本为 Ark-UI 的组件钩子函数(如 useAccordion、useCheckbox 等)添加了对响应式 Props 的支持。这意味着开发者现在可以将 Props 包装在 createMemo 中,实现动态更新的组件行为。
const accordionProps = createMemo<UseAccordionProps>(() => ({
multiple: true,
value: value(),
onValueChange: (e) => setValue(e.value),
}))
const accordion = useAccordion(accordionProps)
这种改进使得组件能够更自然地融入 Solid.js 的响应式系统中,当依赖的状态变化时,组件会自动更新,而无需手动处理重新渲染。
组件功能修复与优化
Checkbox 组件
修复了 data-invalid 属性的设置逻辑。现在只有当 invalid 属性为 true 时才会设置该属性,避免了不必要的 DOM 属性变化。
Combobox 组件
解决了输入编辑时光标位置异常的问题。现在用户在编辑输入内容时,光标会保持在预期位置,提升了文本编辑体验。
PinInput 组件
优化了 OTP(一次性密码)短信自动填充功能。现在当用户收到包含验证码的短信时,系统能够正确识别并自动填充到 PinInput 组件中,简化了用户操作流程。
RatingGroup 组件
修正了焦点管理问题。之前版本中点击标签时焦点位置不正确,现在焦点会准确地落在评分组件上,提升了键盘导航的可访问性。
TagsInput 组件
改进了光标检测机制。现在系统能更准确地识别用户意图,防止在正常输入过程中意外删除标签,减少了误操作的可能性。
Timer 组件
进行了两项重要改进:
- 修复了在切换浏览器标签页或窗口时计时器变慢的问题,现在计时器会保持稳定的计时节奏。
- 将默认的
interval从 250 毫秒调整为 1000 毫秒(1秒),这降低了不必要的渲染频率,提高了性能表现。
总结
Ark-UI Solid 5.1.0 版本通过引入响应式 Props 支持和多项组件优化,进一步提升了开发体验和组件稳定性。这些改进使得组件库能更好地融入 Solid.js 的响应式生态系统,同时修复了实际使用中的各种痛点问题。对于正在使用或考虑使用 Ark-UI 的开发者来说,这个版本值得升级。
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