Circuit UI 9.11.0版本发布:增强浮动元素定位能力
Circuit UI是SumUp开源团队维护的一套React组件库,专注于为金融科技应用提供高质量的UI组件和设计系统。该库遵循严格的语义化版本控制,本次发布的9.11.0版本带来了两个重要的功能增强。
Toggletip组件新增定位策略配置
在本次更新中,Toggletip组件新增了一个strategy属性,用于控制浮动元素的定位策略。这个属性默认值为"fixed",开发者可以根据实际需求选择不同的定位方式。
Toggletip是一种常见的UI模式,通常用于在用户悬停或点击某个元素时显示额外的提示信息。在复杂布局中,特别是在有滚动容器或transform属性的父元素时,fixed定位可能会出现问题。通过引入strategy属性,开发者现在可以更灵活地控制Toggletip的定位行为。
该功能的实现基于floating-ui库的定位策略系统,支持两种主要策略:
- "fixed":使用fixed定位,相对于视口定位
- "absolute":使用absolute定位,相对于最近的定位祖先元素
这一改进使得Toggletip组件在各种布局场景下都能保持正确的显示位置,特别是在现代Web应用中常见的复杂嵌套布局情况下。
比较表头部定位优化
本次更新还修复了比较表(comparison table)组件在缺少计划选择器(plan picker)时的粘性定位问题。比较表是金融应用中常见的组件,用于展示不同产品或计划的特性对比。
改进内容包括:
- 修复了表头在没有计划选择器时的粘性定位问题
- 新增了对导航元素相对定位的支持
- 引入了
--top-navigation-height自定义属性,允许开发者精确控制表头相对于顶部导航栏的定位
这些改进使得比较表组件在各种布局场景下都能保持更好的用户体验,特别是在有固定导航栏的页面中,表头现在可以正确地相对于导航栏进行定位,避免内容被遮挡的问题。
技术实现细节
在底层实现上,这些改进主要涉及CSS定位系统的优化。对于Toggletip组件,团队选择了与floating-ui深度集成,利用其成熟的定位计算逻辑。而对于比较表的改进,则主要通过CSS自定义属性和position: sticky的合理应用来实现。
这些改进虽然看似简单,但体现了CircuitUI团队对细节的关注和对真实使用场景的深入理解。在金融科技应用中,数据的准确展示和交互的可靠性至关重要,这些改进正是为了确保组件在各种边界条件下都能稳定工作。
升级建议
对于正在使用Circuit UI的开发者,建议尽快升级到9.11.0版本以利用这些改进。特别是如果你的应用中有以下场景:
- 在复杂布局中使用Toggletip
- 在比较表中使用了固定导航栏
- 需要更精确控制浮动元素定位
升级过程应该是平滑的,因为这些改进主要是新增功能和修复问题,不会破坏现有API的兼容性。
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