CSSWG-Drafts项目:CSS Values 5中关于progress()函数的演进与简化
CSS工作组最近针对CSS Values Level 5规范中的progress()相关函数进行了重要讨论和决策。作为CSS布局和响应式设计的重要工具,progress()函数族的演进反映了CSS社区对API简洁性和实用性的持续追求。
progress()函数的核心设计理念是提供一种在给定范围内计算线性插值的方法。其基本语法接受三个参数:当前值、最小边界和最大边界。通过这个基础函数,开发者可以轻松实现各种响应式效果。
在规范演进过程中,工作组曾考虑引入media-progress()和container-progress()这两个专用变体。这些函数旨在简化特定场景下的响应式设计:
- media-progress()专注于基于视口尺寸的响应式计算
- container-progress()则针对容器查询场景进行了优化
然而,经过深入讨论和技术验证,工作组发现这些专用函数实际上并未带来足够的附加价值。使用基础progress()函数配合现有的视口单位(vw/vh等)和容器查询单位(cqw/cqh等)已经能够完美覆盖这些用例。例如:
- 视口响应:progress(100vw, 200px, 4000px)
- 容器响应:progress(100cqw, 100px, 400px)
这种统一化的API设计不仅减少了规范复杂度,还赋予了开发者更大的灵活性。使用基础progress()函数配合不同单位,开发者可以自由选择使用小视口(sv*)、大视口(lv*)或动态视口(dv*)单位,这是专用函数无法提供的灵活性。
从实现角度来看,浏览器厂商也支持这一简化方向。WebKit和Chrome团队都表示可以接受这一变更,其中Chrome团队还分享了他们在原型实现中的经验,验证了基础progress()函数的实用性。
这一决策体现了CSS设计原则中的几个关键点:
- 最小API表面:避免不必要的专用API
- 组合优于继承:通过基础功能组合实现复杂场景
- 未来兼容性:保留扩展空间,同时保持当前简洁性
对于开发者而言,这一变化意味着更简单的学习曲线和更一致的API使用体验。虽然移除了专用函数,但通过合理使用CSS单位系统,仍然能够实现所有预期的响应式设计效果。
这一演进过程也展示了CSS标准制定的开放性——即使功能已经进入实现阶段,工作组仍然愿意根据实际需求和反馈进行调整,确保最终规范的质量和实用性。
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