Happy DOM v18.0.0 发布:更严格的类型系统与增强的API功能
Happy DOM 是一个流行的 JavaScript 虚拟 DOM 实现,主要用于服务器端渲染(SSR)和测试场景。它提供了一个轻量级的浏览器环境模拟,使开发者能够在 Node.js 环境中执行 DOM 操作和 Web API 调用。
类型系统的重大改进
本次 v18.0.0 版本最显著的变化是对 TypeScript 类型系统进行了全面强化。开发团队将 Happy DOM 的类型定义变得更加严格,这使得开发者可以在 TypeScript 项目中放心地将 skipLibCheck 选项设置为 false,而不会产生类型冲突。
对于使用严格类型检查的项目来说,这是一个重要的改进。虽然这会导致一些现有代码可能需要调整(因此被标记为破坏性变更),但从长远来看,更精确的类型定义将带来更好的开发体验和更少的运行时错误。
新增的关闭状态检测功能
新版本为多个核心类添加了 closed 属性,包括:
Browser.closedBrowserContext.closedBrowserPage.closedBrowserFrame.closed
这些属性允许开发者轻松检查相关资源是否已被关闭,而无需维护额外的状态管理代码。同时,VirtualConsolePrinter 类也获得了相同的功能,使得控制台输出的生命周期管理更加完善。
浏览器上下文管理的强化
在浏览器环境模拟方面,v18.0.0 引入了一个重要的行为变更:现在当尝试关闭浏览器的默认上下文时,BrowserContext.close() 方法会明确抛出错误。这一改变强制开发者更明确地管理浏览器上下文生命周期,避免了潜在的资源管理问题。
Cookie 管理增强
新版本还为 CookieContainer 类添加了 clearCookies() 方法,简化了测试场景中 Cookie 清理的操作。这对于需要隔离测试用例的场景特别有用,开发者现在可以轻松地在测试之间重置 Cookie 状态。
升级建议
对于现有项目,升级到 v18.0.0 版本时需要注意:
- 由于类型系统的变更,可能需要调整一些类型定义
- 检查是否有代码尝试关闭默认浏览器上下文,这类操作现在会抛出错误
- 考虑利用新的
closed属性来简化资源状态管理 - 在测试代码中可以使用新的
clearCookies()方法来确保测试隔离性
总的来说,Happy DOM v18.0.0 通过更严格的类型系统和增强的 API 功能,为开发者提供了更可靠、更易用的虚拟 DOM 环境,特别适合需要高质量类型支持和精确资源管理的复杂项目。
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
Spark-Prover-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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