Spectrum CSS Tabs组件6.0.0版本发布解析
Spectrum CSS是Adobe开源的一套符合Spectrum设计系统的CSS框架,它为开发者提供了构建符合Adobe设计规范的Web界面所需的基础样式和组件。Tabs组件作为用户界面中常见的导航元素,在6.0.0版本中迎来了重大更新。
版本核心变化
6.0.0版本最大的变化是引入了"Spectrum 2 Foundations"的概念,这是一个连接Spectrum 1(S1)和Spectrum 2(S2)设计的桥梁。这个更新不是完全迁移到S2组件,而是通过"系统"层将组件级令牌重新映射到适当的令牌数据集,使开发者能够在S1、Express和S2之间切换组件的外观。
要使用S2样式,开发者需要搭配使用16.0.0或更高版本的@spectrum-css/tokens。如果希望保持S1或Express样式,则需要使用14.x或15.x版本的@spectrum-css/tokens。
文件结构和使用方式
新版本对文件结构进行了优化,提供了更灵活的加载方式:
-
仅需S2 Foundations样式:可以直接使用index.css文件,它包含了所有基础样式和S2 Foundations的系统映射。
-
仅需S1或Express样式:可以使用index-base.css加上相应的themes/(spectrum|express).css文件。
-
需要动态切换样式:加载index-base.css和index-theme.css文件,并使用上下文类(.spectrum--legacy对应S1,.spectrum--express对应Express)来切换样式。
废弃内容
6.0.0版本中移除了metadata文件夹及其内容(mods.md和metadata.json),相关信息现在可以在dist/metadata.json中找到。同时,index-vars.css文件也被正式移除,开发者应该使用index.css或index-base.css替代。
依赖更新
本次更新还涉及多个依赖组件的升级:
- @spectrum-css/tokens升级至16.0.0
- @spectrum-css/menu升级至9.0.0
- @spectrum-css/picker升级至9.0.0
- @spectrum-css/icon升级至9.0.0
这些依赖的升级确保了组件间的兼容性和一致性。
技术意义
这次更新为开发者提供了更灵活的样式控制能力,使得同一套代码可以适应不同的设计系统需求。特别是对于那些需要同时支持多个Spectrum版本的项目,这种"桥梁"式的设计大大简化了开发和维护工作。
同时,通过移除metadata文件夹和index-vars.css等过时内容,项目结构变得更加清晰和现代化,有助于提高开发效率和降低学习成本。
对于正在使用Spectrum Web Components 1.x的开发者来说,这个版本提供了与S2设计系统更好的兼容性,为未来的平滑升级奠定了基础。
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