MDN Yari 4.7.0 版本发布:CSS交互示例支持与云端功能优化
MDN Yari 是 Mozilla Developer Network (MDN) 的现代化内容平台,它为开发者提供了丰富的技术文档和资源。作为一个开源项目,Yari 不断演进以满足开发者的需求。最新发布的 4.7.0 版本带来了几项重要更新,特别是对 CSS 交互示例的支持和云端功能的优化。
交互式 CSS 示例支持
4.7.0 版本最引人注目的新特性是增加了对 CSS 交互示例的支持。在此之前,Yari 主要支持 JavaScript 的交互式示例,而现在开发者可以直接在文档中体验和修改 CSS 代码,实时查看效果变化。
这项功能的实现基于现有的交互式示例框架,但针对 CSS 特性进行了专门优化。开发者现在可以在文档中看到 CSS 属性的实际应用效果,并通过修改代码来探索不同样式设置的结果。这对于学习 CSS 的开发者来说是一个重大改进,因为视觉反馈对于理解 CSS 行为至关重要。
云端功能改进
本次版本对云端功能进行了多项优化:
-
环境设置优化:改进了 Review 环境的设置,使得测试和预览更加便捷。开发团队现在可以更高效地部署和测试新功能。
-
404 错误处理增强:优化了 404 页面的回退处理机制,当用户访问不存在的页面时,系统会提供更友好的体验。
-
缓存控制:专门为 Review 环境定制了 Cache-Control 头设置,确保测试环境不会受到生产缓存策略的影响。
-
服务账户调整:云端功能现在可以运行在非默认服务账户下,提高了安全性和灵活性。
依赖项更新
作为常规维护的一部分,4.7.0 版本更新了多个依赖项:
- 前端开发工具链更新,包括 TypeScript 升级到 5.8.2 版本
- 浏览器兼容性数据更新至最新版本
- 安全相关的依赖项更新
- 构建工具优化,如 webpack 相关插件的版本提升
这些更新不仅带来了性能改进,还修复了已知的安全问题,确保平台的稳定性和安全性。
总结
MDN Yari 4.7.0 版本通过引入 CSS 交互示例支持,进一步丰富了开发者的学习体验。同时,云端功能的优化为平台的稳定性和可维护性打下了更坚实的基础。这些改进体现了 MDN 团队持续优化开发者体验的承诺,也为未来更多创新功能的引入铺平了道路。
对于使用 MDN 文档的开发者来说,这些更新意味着更直观的学习方式和更可靠的平台体验。而对于参与 Yari 项目贡献的开发者,这些变更也提供了更好的开发环境和工具支持。
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