Mosaic 0.15.0发布:动画支持与布局增强
Mosaic是一个基于Kotlin的终端UI框架,它借鉴了Jetpack Compose的声明式UI编程模型,使开发者能够使用类似的API在终端中构建丰富的用户界面。与传统的终端UI开发方式相比,Mosaic提供了更现代化、更声明式的开发体验。
全新动画支持库
本次0.15.0版本最引人注目的新特性是新增了mosaic-animation库,它为Mosaic应用提供了丰富的动画功能。这个库的设计灵感来源于Android的androidx.compose.animation-core,为终端UI带来了流畅的动画体验。
mosaic-animation库包含以下核心功能:
- 基础动画支持:包括补间动画、弹簧动画等
- 状态驱动的动画:当UI状态变化时自动触发动画
- 动画曲线控制:支持自定义缓动函数
- 组合动画:多个动画可以组合在一起同步或顺序执行
开发者现在可以轻松实现终端应用中元素的平滑过渡效果,比如列表项的展开/折叠、进度条的动态变化等,大大提升了终端应用的用户体验。
布局系统增强
0.15.0版本对Mosaic的布局系统进行了重要增强,新增了IntrinsicSize及相关修饰符:
Modifier.width/height:设置组件的宽度或高度Modifier.requiredWidth/requiredHeight:强制设置组件的宽度或高度IntrinsicSize:允许组件根据其内容计算固有尺寸
这些新特性使得布局系统更加灵活,开发者可以更精确地控制UI元素的尺寸,特别是在需要根据内容动态调整大小的场景下。
测试支持与布局标识
新版本引入了mosaic-testing库,专门用于测试Mosaic组件。这个库提供了以下能力:
- 确定性渲染:确保测试环境下UI渲染结果一致
- 组件状态验证:可以断言组件的各种状态
- 交互测试:模拟用户输入并验证UI响应
此外,新增的Mosaic.layoutId功能允许开发者为布局元素分配唯一标识符,这在复杂布局中特别有用,可以方便地在父组件中识别和操作特定的子组件。
自定义修饰符支持
Modifier.composed的引入是一个重要的API增强,它允许开发者创建自定义的可重用修饰符,并在其中访问Compose功能。这意味着:
- 可以封装复杂的修饰逻辑为可重用组件
- 可以在修饰符中访问状态和其他Compose特性
- 提高了代码的模块化和可维护性
性能优化与问题修复
在性能方面,0.15.0版本移除了20FPS的渲染帧率限制,现在渲染会尽可能快地进行(但仍只在必要时渲染)。这一变化减少了事件处理时的视觉延迟,使UI响应更加即时。
修复了自定义Modifier在多父类型(如同时继承LayoutModifier、DrawModifier等)情况下的处理问题,提高了框架的稳定性和可靠性。
总结
Mosaic 0.15.0版本通过引入动画支持、增强布局系统、改进测试能力和提供更灵活的API,显著提升了终端UI开发的体验和能力。这些改进使得开发者能够构建更加动态、响应迅速且易于维护的终端应用程序,进一步巩固了Mosaic作为现代化终端UI框架的地位。
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