React Native Windows 0.78.0版本发布:可靠性提升与新架构优化
React Native Windows是微软推出的开源项目,它让开发者能够使用React Native框架构建原生的Windows应用程序。这个项目扩展了React Native的能力,使其能够充分利用Windows平台的特性,为开发者提供了跨平台开发的又一利器。
版本概述
React Native Windows 0.78.0是基于React Native 0.78.0的一个重要更新版本。这个版本主要聚焦于提升应用的可靠性和稳定性,同时对新的Fabric架构进行了多项优化。从2024年12月18日到2025年1月27日期间,开发团队对项目进行了多项改进和修复。
关键改进与特性
可靠性增强
本次更新在可靠性方面做了大量工作,解决了一些潜在的问题:
-
线程安全改进:添加了_DISABLE_CONSTEXPR_MUTEX_CONSTRUCTOR预处理定义,修复了std::mutex::lock调用失败的问题,提升了多线程环境下的稳定性。
-
错误处理增强:扩展了字段清理范围,现在会处理codedError.data中的内容,使错误处理更加全面。
-
代码现代化:移除了已被弃用的std::aligned_storage用法,使代码更符合现代C++标准。
-
警告处理优化:不再禁用4244警告,因为BinSkim安全检查工具需要能够看到这类警告。
-
无障碍功能改进:更新了组件的控制类型值以匹配对应的accessibilityRole值,提升了应用的无障碍体验。
-
开发者工具修复:解决了React开发者工具在启动时触发断言的问题,改善了开发体验。
-
构建系统修复:确保Number.h文件被正确地从React Native核心复制到JSI和TurboModule文件中。
新特性引入
-
WinUI3版本更新:将WinUI3ExperimentalVersion从1.6.240701003-experimental2升级到1.7.250109001-experimental2,带来了最新的WinUI3功能。
-
代码精简:在Fabric构建中移除了仅用于Paper架构的代码,减少了不必要的代码体积。
新架构(Fabric)优化
针对React Native的新架构Fabric,本次更新做了多项重要改进:
-
无障碍功能增强:新增了对自定义控件通过IRangeValueProvider向UIA传递范围数据的支持,同时增加了对aria-readonly和accessibilityState.readOnly的支持,使自定义控件能够更好地与无障碍技术协作。
-
模态窗口重构:重新设计了模态窗口的实现方式,现在完全使用公共API实现,提高了代码的稳定性和可维护性。
-
UIA片段根改进:现在RNIsland的UIA片段根会正确报告父片段根,改善了无障碍树的结构。
-
焦点处理修复:修复了当当前获得焦点的元素被标记为enableFocusRing=false时导致的崩溃问题,提升了用户交互的稳定性。
升级建议
对于使用React Native Windows的开发者,建议通过React Native Upgrade Helper工具查看默认的新应用程序所做的更改。升级时需要注意C++和C#两种语言实现的差异,确保按照官方文档的指导进行升级操作。
总结
React Native Windows 0.78.0版本在稳定性、新架构支持和开发者体验方面都做出了显著改进。这些变化不仅提升了现有应用的质量,也为开发者构建更复杂、更可靠的Windows应用提供了更好的基础。特别是对新架构Fabric的持续优化,展现了项目对未来技术方向的承诺。
对于正在使用或考虑使用React Native Windows的开发者来说,这个版本值得关注和升级。它不仅解决了许多实际问题,还引入了新的能力,为构建高质量的Windows应用提供了更强大的工具集。
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