TDesign Vue Next 1.13.2版本发布:优化输入组件与修复关键问题
TDesign Vue Next是腾讯开源的企业级UI组件库,基于Vue 3.x技术栈开发,提供丰富的组件和设计规范,帮助开发者快速构建高质量的企业级应用。本次1.13.2版本发布主要针对输入类组件进行了多项优化和问题修复。
输入组件优化
在1.13.2版本中,开发团队重点优化了Input和InputNumber组件的用户体验和功能稳定性。
Input组件修复了在composition方法中主动失去焦点后丢失响应式的问题。这个问题通常出现在使用中文输入法时,当用户正在输入拼音但还未选择具体汉字时,如果程序主动触发失去焦点操作,会导致输入框无法正确响应后续的输入事件。修复后,输入框在各种输入场景下都能保持稳定的响应能力。
InputNumber组件解决了开启decimalPlaces属性后因进位导致的显示差异问题。当用户输入小数时,系统会根据设置的小数位数自动进行四舍五入,但之前版本中存在显示值与实际值不一致的情况。例如,当设置保留2位小数时,输入3.456可能会显示为3.45但实际存储为3.46。新版本确保了显示值与实际值的严格一致。
选择器组件改进
Select组件修复了1.13.1版本中多选场景下的一个关键问题。当选项列表中不存在的值被选中时,之前版本无法正确展示这些值。这在动态加载选项或异步获取数据的场景中尤为常见。新版本确保了无论选项是否存在,已选中的值都能正确显示,提高了组件的健壮性。
表格组件增强
Table组件优化了列配置功能。在关闭列配置弹窗时,之前版本存在选择列数据与最终展示列数据不一致的问题。这可能导致用户明明在弹窗中勾选了某些列,但实际表格中却没有显示。新版本确保了配置操作与实际展示的严格同步,提升了配置功能的可靠性。
其他重要修复
ColorPicker组件修复了onChange和onRecentChange回调失效的问题,现在颜色选择器的值变化和最近使用颜色变化都能正确触发回调函数。
Drawer组件完善了类型定义,为cancelBtn和confirmBtn属性添加了null类型声明,使TypeScript支持更加完善。
总结
TDesign Vue Next 1.13.2版本虽然是一个小版本更新,但解决了一系列影响用户体验的关键问题,特别是在输入处理和数据显示方面。这些改进使得组件库更加稳定可靠,能够更好地满足企业级应用开发的严格要求。开发团队持续关注用户反馈,不断优化组件细节,体现了对产品质量的高度重视。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00