DivKit 32.3.0版本发布:跨平台UI框架的重大优化
DivKit是一个开源的跨平台UI框架,它允许开发者使用声明式的方式构建动态用户界面。通过JSON格式的配置文件,开发者可以快速实现复杂的UI效果,同时支持Android、iOS和Web三大平台。DivKit的核心优势在于其高效的渲染性能和灵活的布局系统,特别适合需要频繁更新UI内容的场景。
Android客户端改进
在32.3.0版本中,Android客户端获得了多项重要修复:
-
输入操作优化:修复了单行输入框(input)中操作无法响应的问题。这个问题主要影响表单提交场景,当用户尝试在单行输入框中触发某些操作时,系统无法正确识别。修复后,单行和多行输入框的行为将保持一致。
-
键盘类型稳定性增强:解决了键盘类型偶尔无法正确切换的问题。例如,当从数字键盘切换到普通键盘时,系统有时会保持原有键盘类型不变。这一修复确保了输入体验的一致性。
-
构建器元素功能完善:
- 修复了在item-builder构建的元素中触发器失效的问题
- 修复了item-builder构建元素中的变量观察机制
-
键盘状态保持:优化了重新绑定(re-bind)过程中的键盘状态管理,防止键盘状态被意外重置。这意味着当UI更新时,用户正在进行的输入操作不会被中断。
iOS客户端更新
iOS平台在本版本中获得了多项新功能和改进:
-
SVG图像支持:新增了DivKitSVG目标,为iOS应用提供了原生的SVG图像渲染能力。这使得开发者可以在DivKit界面中使用矢量图形,获得更好的显示效果和更小的资源占用。
-
布局算法优化:修复了space-evenly布局模式下,当某些项目被隐藏(gone)时产生的布局计算错误。这一改进确保了布局在各种情况下的正确性。
-
触摸区域检测优化:改进了"Touchable view is too small"警告的触发逻辑,现在只有当视图的两个维度都非零时才会报告此警告,避免了误报情况。
-
标签页功能增强:为div_tabs组件添加了tab_title_delimiter支持,使开发者能够自定义标签页标题的分隔符样式。
-
交互体验提升:新增了对悬停(hover)和按压(press)动作的支持,丰富了iOS平台上的用户交互方式。
Web客户端修复
Web版本主要解决了一个特定场景下的行为异常:
修复了actions中url属性优先级偶尔低于typed属性的问题。在某些罕见情况下,当同时定义了url和typed动作时,系统可能会错误地优先处理typed动作。此修复确保了url动作始终具有正确的优先级。
技术价值分析
32.3.0版本的发布体现了DivKit团队对跨平台一致性和用户体验细节的关注。特别是:
-
输入系统稳定性:Android端对键盘和输入框的改进,解决了移动应用中常见的输入体验痛点。
-
矢量图形支持:iOS端新增的SVG支持,反映了现代UI对高清适配和资源优化的需求。
-
交互丰富性:iOS端新增的悬停和按压动作支持,为创建更细腻的交互效果提供了可能。
这些改进不仅修复了现有问题,还为开发者提供了更强大的工具集,进一步巩固了DivKit作为高效跨平台UI解决方案的地位。对于正在使用或考虑采用DivKit的团队来说,这个版本值得重点关注和升级。
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