DivKit 31.3.0版本发布:跨平台UI框架的全面优化
DivKit是一个开源的跨平台UI框架,它允许开发者使用声明式的JSON格式来构建复杂的用户界面。该框架支持Android、iOS和Web三大平台,通过统一的JSON描述文件,可以在不同平台上渲染出相同的UI效果,极大地提高了开发效率和一致性。
Android客户端改进
在Android客户端方面,31.3.0版本带来了多项重要改进:
-
元素裁剪优化:修复了在瞬态层次结构(transient hierarchy)内部元素的角裁剪问题,确保在各种复杂布局情况下元素的圆角效果能够正确显示。
-
本地变量支持:增强了
container组件中item_builder的功能,现在可以正确创建使用局部变量的项目,提高了布局的灵活性和可维护性。 -
复杂重绑定改进:优化了复杂重绑定(rebind)的性能和稳定性,使动态更新UI时的体验更加流畅。
-
工具提示增强:新增了对非模态工具提示模式的支持,并添加了
close_by_tap_outside标志,允许用户通过点击工具提示外部区域来关闭它,提升了用户体验。 -
状态管理强化:当切换到模糊状态时,现在会抛出错误,帮助开发者更早地发现和修复状态管理问题。
-
并发修改异常防护:使用CME(ConcurrentModificationException)安全的集合来解决在应用带有
item_builder的补丁时可能发生的崩溃问题。
iOS客户端更新
iOS客户端在31.3.0版本中也有显著改进:
-
文本省略控制:新增了
defaultTextAutoEllipsize标志,允许将auto_ellipsize属性的默认值改为false,为开发者提供了更灵活的文本显示控制。 -
工具提示模式:为
div-tooltip添加了mode支持,使工具提示的行为更加可定制。 -
Lottie动画改进:修正了"repeat_mode": "reverse"模式下Lottie动画重复次数的定义,现在任何方向的一次动画播放都被视为一个单位,使动画控制更加精确。
-
内存泄漏修复:解决了
DivStateManager中的内存泄漏问题,提高了应用的内存使用效率。 -
分隔符处理:修复了
container中隐藏项目分隔符的显示问题,确保UI布局更加整洁。 -
文本增强:支持了
div-text的auto_ellipsize属性(默认值为true),以及image在div-text中的indexing_direction和tint_mode属性,为富文本显示提供了更多可能性。
Web客户端优化
Web客户端在这个版本中主要解决了两个关键问题:
-
容器分隔符渲染:修复了在不可见元素之间渲染分隔符的问题,确保只有在可见元素之间才会显示分隔符。
-
表达式处理:改进了表达式的处理逻辑,现在可以在动作内部的表达式中返回字典值和数组,增强了动态内容处理的能力。
总结
DivKit 31.3.0版本在三大平台上都带来了显著的改进和优化,从基础的UI元素渲染到复杂的动画控制,从内存管理到表达式处理,各个方面都得到了增强。这些改进不仅提高了框架的稳定性和性能,也为开发者提供了更多灵活的控制选项,使得使用DivKit构建跨平台UI变得更加高效和可靠。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
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