JSON-Joy项目v17.39.0版本发布:增强CRDT文本编辑功能
JSON-Joy是一个专注于JSON数据操作和协作编辑的JavaScript库,特别提供了基于CRDT(无冲突复制数据类型)的实时协作编辑能力。最新发布的v17.39.0版本主要增强了文本编辑相关的功能,特别是在Peritext(富文本CRDT实现)和UI组件方面有显著改进。
文本选择与光标移动优化
新版本对文本选择系统进行了全面改进,解决了多个边缘情况下的选择行为问题。现在系统能够正确处理绝对位置(ABS)的开始和结束点查询,确保在各种边界条件下都能返回预期的结果。特别是在处理混合类型的文本片段时,系统现在能够稳定地返回所有光标位置。
光标移动功能得到了显著增强,新增了"vline"(垂直行)移动单位,改进了单词跳转(word jump)功能,并重新实现了多光标支持。这些改进使得文本导航更加符合现代代码编辑器的用户体验。
块级元素操作增强
版本引入了对块级元素(如代码块)的更好支持。新增了块级剪贴板菜单和块级菜单定义,用户可以更方便地对整个文本块进行操作。系统现在能够正确跟踪活动块(active block),并在块级操作时保持状态一致性。
编辑器UI现在能够正确渲染<codeblock>元素,并为叶子块(leaf block)设置了覆盖框架(overlay frames),提升了富文本内容的视觉呈现效果。块级工具栏现在只在单光标且无选择时显示,避免了界面混乱。
事件系统重构
新版本对编辑器事件系统进行了重要重构:
- 格式化事件现在支持选择集(selection set)参数,使批量格式化操作成为可能
- 删除了事件接口进行了改进,支持更精细的操作控制
- 光标移动事件采用了新的详细API,提供更丰富的移动上下文信息
- 范围事件细节(range event details)进行了标准化处理
- 标记事件(marker events)引入了选择集概念
这些改进使得事件处理更加一致和可预测,为开发者提供了更强大的扩展能力。
性能与稳定性改进
版本包含多项稳定性修复:
- 正确处理单位删除(unit deletes)操作
- 安全检测文本绝对位置(ABS)结束点
- 在需要时正确返回未定义的覆盖点(overlay point)
- 在任何事件上都更新活动块ID,保持状态同步
- 改进行信息检索和绝对位置结束处理
这些改进显著提升了编辑器在复杂操作下的稳定性和响应速度。
总结
JSON-Joy v17.39.0版本通过增强文本选择、光标导航、块级操作和事件系统,为开发者提供了更强大、更稳定的富文本协作编辑基础。这些改进使得基于CRDT的实时协作编辑器能够提供更接近传统编辑器的用户体验,同时保持分布式协作的优势。对于需要在Web应用中实现高级文本编辑功能的开发者来说,这个版本提供了更多可靠的工具和接口。
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-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