TDesign Vue Next 1.14.0 版本发布:功能增强与体验优化
TDesign Vue Next 是基于 Vue 3 的企业级 UI 组件库,由腾讯前端团队开发和维护。它提供了丰富的组件和现代化的设计风格,帮助开发者快速构建高质量的 Web 应用。本次发布的 1.14.0 版本带来了多项功能增强和问题修复,进一步提升了组件的稳定性和用户体验。
新增功能亮点
组件 API 统一优化
Alert 组件新增了 closeBtn API,用于替代即将废弃的 close 属性。这一变更使得 API 命名更加统一和规范,开发者应尽快调整代码以使用新 API。这种统一命名规范的做法有助于降低学习成本,提高代码一致性。
插件场景支持增强
Dialog、Drawer、Loading、Message 和 Notification 等组件现在都支持 appContext 的绑定和传入。这一改进特别适合在插件场景中使用,解决了在这些场景下无法正常使用路由或全局指令的问题。例如,在 Vue 插件中创建弹窗时,现在可以正确访问到应用上下文中的路由和全局指令。
交互体验优化
Popup 组件优化了浮层箭头的显示逻辑。在空间不足的情况下,箭头现在会跟随浮层进行偏移,确保箭头位置始终准确指向触发元素。这一改进显著提升了提示类组件的视觉体验。
Select 组件在远程搜索场景下有了更好的表现。当使用 valueType="value" 时,组件现在能够保留已选中选项的数据进行展示,解决了之前选中项数据丢失的问题。同时,Select 组件还支持通过 selectInputProps 将多选属性透传到 valueDisplay,提供了更灵活的定制能力。
Tree 组件在多选场景下新增了节点 hover 提示功能,与单选场景保持一致。此外,修复了点击展开按钮错误触发 onClick 事件的问题,这一变更可能会影响依赖此前异常行为的业务逻辑,开发者需要特别注意。
问题修复与改进
本次版本修复了多个组件的已知问题:
-
Cascader 组件修复了
valueType="full"且 value 为 undefined 时的内部报错问题,提升了组件的健壮性。 -
ColorPicker 组件解决了渐变模式下点击滑块添加色点时定位错误的问题,使颜色选择更加精准。
-
Form 组件修复了
id属性不生效的问题,确保了表单控件的可访问性。 -
Popup 组件修复了当
triggerElement为字符串类型时,不能正常用于元素选择器的问题,增强了组件的灵活性。 -
TimeRangePicker 组件解决了点击面板确定按钮未重置非法格式输入的问题,提升了时间选择的可靠性。
-
Textarea 组件优化了滚动条的样式问题,使文本输入区域的视觉效果更加协调。
文档与演示优化
Alert 组件的演示交互得到了改进。现在当关闭 Alert 后,会显示"显示 Alert"按钮以便恢复显示,这为开发者提供了更直观的组件行为展示。
总结
TDesign Vue Next 1.14.0 版本通过新增功能、优化体验和修复问题,进一步提升了组件库的质量和可用性。特别是对插件场景的支持增强和交互细节的优化,体现了团队对开发者体验的持续关注。建议开发者及时升级到最新版本,并根据变更说明调整相关代码,以获得最佳开发体验。
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