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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00