Spectrum CSS 8.0.0版本发布:构建Spectrum 2设计系统基础
Spectrum CSS是Adobe开源的一套CSS框架,它为Adobe产品提供了一套完整的设计系统实现。这个框架包含了丰富的UI组件样式,帮助开发者快速构建符合Adobe设计规范的界面。最新发布的8.0.0版本是一个重要的里程碑,它引入了Spectrum 2 Foundations,为从Spectrum 1(S1)到Spectrum 2(S2)的设计过渡搭建了桥梁。
版本核心变化
8.0.0版本的主要创新在于创建了一个灵活的系统层,允许开发者在S1、Express和S2设计之间切换组件的外观。这一特性通过重新映射组件级别的token到适当的token数据集来实现,而不是提供一个完全迁移的S2组件。
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。而对于S1或Express样式,则需要使用14.x或15.x版本的token包。这种设计为开发者提供了更大的灵活性,可以根据项目需求选择合适的视觉风格。
文件结构与使用建议
新版本对文件结构进行了优化:
- 移除了metadata文件夹及其内容,相关信息现在可以在每个组件的dist/metadata.json中找到
- 移除了已弃用的index-vars.css文件,建议使用index.css或index-base.css替代
对于不同的使用场景,开发人员可以灵活选择:
- 如果只需要S2 Foundations样式,使用index.css文件
- 如果只需要S1或Express组件样式,使用index-base.css配合相应的themes/(spectrum|express).css文件
- 如果需要在不同设计系统间切换,使用index-base.css配合index-theme.css文件,并通过.spectrum--legacy(S1)或.spectrum--express(Express)类来控制
技术实现细节
这一版本的实现依赖于系统层的token重映射机制。通过将组件级别的CSS变量与更高层级的token系统解耦,使得同一套组件可以在不同设计系统下呈现不同的视觉效果。这种架构设计既保证了代码的复用性,又提供了足够的灵活性。
兼容性考虑
值得注意的是,这个版本是为Spectrum Web Components 1.x设计的过渡方案。对于希望完全采用S2设计的项目,开发者应该考虑使用next标签的版本。这种分阶段的升级路径为大型项目提供了平滑过渡的可能性。
总结
Spectrum CSS 8.0.0版本的发布标志着Adobe设计系统演进的重要一步。通过引入Spectrum 2 Foundations,它为开发者提供了从传统设计向现代设计过渡的工具,同时保持了向后兼容性。这种渐进式的升级策略体现了对现有项目维护的考虑,同时也为采用新设计提供了清晰的路径。
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