React Native SVG 15.11.0版本发布:支持React Native 0.77及布局优化
React Native SVG是一个强大的开源库,它为React Native应用提供了完整的SVG(可缩放矢量图形)支持。通过这个库,开发者可以在移动应用中直接使用SVG图形元素,实现高质量的矢量图形渲染。SVG因其可缩放不失真、文件体积小等优势,在移动开发中越来越受到欢迎。
版本亮点
最新发布的15.11.0版本主要围绕React Native 0.77的兼容性进行了优化和改进。这个版本包含了一系列重要的修复和功能增强,特别是在新架构下的表现有了显著提升。
主要改进
1. 新架构下的布局优化
在新架构中,onLayout事件现在只会触发一次,并且能够提供准确的尺寸信息。这一改进解决了之前可能存在的多次触发和尺寸不准确的问题,使得开发者能够更可靠地获取和使用SVG元素的布局信息。
2. 颜色处理改进
版本修复了currentColor属性的两个重要问题:
- 修复了颜色值溢出的问题,确保颜色值在有效范围内
- 解决了颜色值陈旧的问题,现在能够正确反映当前颜色状态
3. 代码生成器增强
新增了iOS组件提供者的代码生成支持,这简化了在iOS平台上的集成工作,使得项目配置更加便捷。
4. 自定义阴影节点
引入了自定义阴影节点的支持,这为开发者提供了更大的灵活性,可以创建更复杂的SVG渲染效果。
5. 样式处理优化
在React Native 0.77及以上版本中,现在使用yoga::StyleLength替代了yoga::value来处理样式长度,这带来了更好的类型安全和更精确的样式计算。
兼容性说明
这个版本特别针对React Native 0.77进行了优化,包括:
- 更新了测试示例到0.77.0-rc.1版本
- 调整了CMake配置标志以适应新版本
- 更新了旧架构的生成规范,确保在0.77上正常工作
其他改进
- 移除了AndroidManifest.xml中不必要的包声明
- 优化了ESLint配置和相关的禁用注释
- 从podspec源文件中移除了*.metal文件,简化了iOS构建配置
- 现在支持使用单引号作为ID包装器,提供了更灵活的标记方式
开发者建议
对于正在使用或计划升级到React Native 0.77的开发者,建议尽快升级到这个版本的React Native SVG。特别是那些依赖精确布局测量或使用currentColor功能的项目,这个版本提供了重要的修复和改进。
对于新项目,可以直接从这个版本开始,享受更稳定和高效的SVG渲染体验。在升级过程中,建议仔细测试布局相关的功能,确保所有onLayout回调都能按预期工作。
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