TDesign React 1.11.2版本发布:增强组件功能与修复关键问题
TDesign React是腾讯开源的企业级React UI组件库,旨在为开发者提供高质量、可定制的前端组件解决方案。该组件库遵循TDesign设计规范,涵盖了丰富的UI组件,能够满足各类企业级应用开发需求。本次发布的1.11.2版本在功能增强和问题修复方面都有显著改进。
功能增强
图片查看器新增下载回调功能
ImageViewer组件新增了onDownload API,允许开发者自定义预览图片的下载行为。这一改进使得开发者可以根据业务需求灵活处理图片下载逻辑,例如添加水印、记录下载日志或实现特殊的权限控制。
全局配置支持Input组件清除按钮显示
ConfigProvider组件现在支持配置Input组件的clearTrigger属性,可以全局控制在有值时是否显示清除按钮。这一功能特别适合需要统一管理UI交互风格的大型项目。
描述列表支持表格布局
Descriptions组件新增了tableLayout属性,提供了更灵活的布局选项。开发者现在可以根据内容长度选择最适合的布局方式,优化信息展示效果。
消息组件内存优化
Message组件在关闭消息实例时,会从全局消息列表中移除该实例,有效避免了潜在的内存泄漏风险。这一改进对于长时间运行的Web应用尤为重要。
分组选择器支持过滤功能
Select组件现在支持对分组选项进行过滤,大大提升了分组选择器的实用性。用户可以在大量分组数据中快速定位所需选项,改善用户体验。
标签页支持懒加载
Tabs组件新增了lazy API,支持配置懒加载功能。这一特性可以显著提升包含大量内容的标签页的初始加载性能,特别适合内容丰富的后台管理系统。
问题修复
本次版本修复了多个关键问题,包括:
-
修复了ConfigProvider全局配置二级配置影响范围过大的问题,确保配置只影响预期的组件范围。
-
优化了Dialog组件的按钮类名,为开发者提供了更灵活的样式定制能力。
-
解决了Drawer组件在拖拽改变大小时获取宽度不正确的问题,提升了交互体验。
-
修复了Guide组件popupProps穿透属性overlayClassName无效的问题,确保样式定制功能正常工作。
-
解决了Popup组件修饰符arrow属性设置不生效的问题,增强了组件的可定制性。
-
修复了Select组件在readonly模式下显示光标和clear图标的问题,确保只读状态的行为符合预期。
-
优化了Table组件在虚拟滚动和固定行场景下的渲染问题,提升了大数据量下的性能表现。
-
解决了Tooltip组件在React 16下的位置计算错误问题,确保提示框准确定位。
-
修复了Tree组件在某些场景下移除节点后报错的问题,增强了组件的稳定性。
文档改进
本次更新还修复了Card组件文档中的文案错误,确保开发者能够获取准确的使用指南。良好的文档是开源项目成功的关键因素之一,TDesign React团队持续投入资源维护和优化文档质量。
TDesign React 1.11.2版本的发布再次证明了该项目对开发者体验和产品质量的重视。无论是新增的功能还是修复的问题,都体现了团队对细节的关注和对开发者需求的响应。对于正在使用或考虑使用TDesign React的开发者来说,这个版本值得升级。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00