Uploadthing React 7.3.0版本发布:精细化上传进度控制
Uploadthing是一个专注于文件上传解决方案的开源项目,它提供了简单易用的API和组件,帮助开发者快速实现文件上传功能。该项目特别适合需要处理文件上传的现代Web应用,提供了从基础上传到高级功能的全套工具。
在最新发布的7.3.0版本中,Uploadthing为React组件库带来了一个重要的新特性:上传进度事件的精细化控制。这个功能对于需要精确显示上传进度的应用场景尤为重要。
上传进度控制的三种粒度
新版本引入了uploadProgressGranularity选项,允许开发者根据应用需求选择不同级别的进度事件触发频率:
-
all模式:这是最详细的级别,会转发XHR上传过程中的每一个进度事件。适合需要实时精确显示上传进度的场景,但可能会产生较多的事件回调。
-
fine模式:每完成1%的上传进度触发一次事件。在精确度和性能之间取得了良好的平衡,适合大多数需要显示进度条的应用。
-
coarse模式(默认):每完成10%的上传进度触发一次事件。这是最节省资源的选项,适合对进度显示要求不高的场景,或者网络条件较差时需要减少通信开销的情况。
技术实现分析
在底层实现上,Uploadthing利用了XMLHttpRequest的progress事件。当设置为all模式时,它会直接转发原生XHR事件;而在fine和coarse模式下,则通过计算当前进度与上次报告进度的差值来决定是否触发新事件。
这种设计既保留了灵活性,又避免了不必要的性能开销。开发者可以根据实际需求选择最合适的粒度,而不用担心底层实现的复杂性。
使用建议
对于大多数应用,默认的coarse模式已经足够。只有在以下情况下考虑调整:
- 上传大文件且用户需要精确了解进度时,可选用
fine模式 - 开发实时监控上传状态的专业工具时,可考虑使用
all模式 - 在移动网络或带宽受限环境中,建议保持
coarse模式以减少开销
总结
Uploadthing React 7.3.0版本的上传进度控制功能为开发者提供了更灵活的选择,使得文件上传体验可以更加精细化地定制。这一改进体现了Uploadthing项目对开发者体验的持续关注,也展示了其在文件上传领域的专业深度。
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