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。
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