FlashSpace项目v1.2.18版本发布:新增画中画功能支持
FlashSpace是一款专注于提升多任务处理效率的窗口管理工具,它通过创新的工作区管理方式帮助用户更好地组织和切换不同的应用程序窗口。本次发布的v1.2.18版本带来了多项功能增强,特别是新增了对画中画(Picture-in-Picture)模式的支持,进一步提升了用户的多窗口操作体验。
画中画功能全面支持
本次更新的核心亮点是新增了画中画功能支持。画中画是一种流行的多窗口显示模式,允许用户将视频或其他内容以小窗口形式悬浮在屏幕上方,同时可以继续操作其他应用程序。FlashSpace v1.2.18版本对这一功能进行了深度整合:
-
基础画中画支持:现在用户可以在FlashSpace中使用画中画模式,将重要窗口保持在前端显示,而不会干扰到其他工作区的操作。
-
防最小化机制:开发团队特别优化了画中画窗口的行为,确保这些窗口不会被意外最小化,保持稳定的显示状态。这对于需要持续关注特定内容(如视频会议、监控画面等)的用户尤为重要。
-
工作区切换优化:解决了在画中画模式下切换工作区时可能出现的问题,确保窗口状态的一致性。
用户界面与设置优化
为了提供更清晰的功能组织和更好的用户体验,本次更新还对设置界面进行了调整:
- 浮动应用分组:将所有与浮动窗口相关的设置选项(包括新加入的画中画功能)集中到一个专门的设置组中,使用户能够更直观地找到和管理这些功能。
技术实现考量
从技术角度来看,实现画中画功能需要解决几个关键问题:
-
窗口层级管理:确保画中画窗口始终保持在最上层,同时不影响其他窗口的正常操作。
-
状态持久化:在工作区切换时保持画中画窗口的状态,避免频繁重新加载或位置重置。
-
性能优化:画中画窗口需要高效渲染,避免对系统资源造成过大负担。
FlashSpace团队通过精细的窗口管理策略和状态保持机制,成功实现了这些技术目标,为用户提供了流畅的画中画体验。
适用场景与用户价值
新增的画中画功能特别适合以下使用场景:
- 多媒体消费:观看视频时同时处理其他工作,视频窗口可以悬浮显示。
- 远程协作:保持视频会议窗口可见,同时查阅资料或做笔记。
- 实时监控:持续观察监控画面或数据仪表盘,同时进行其他操作。
对于追求高效多任务处理的用户来说,这一功能将显著提升工作效率,减少窗口切换的频率和时间成本。
未来展望
虽然本次更新已经提供了稳定的画中画支持,但窗口管理领域仍有很大的创新空间。期待FlashSpace未来可能在以下方面继续发展:
- 更精细化的窗口布局预设
- 跨工作区的窗口共享机制
- 智能窗口分组与记忆功能
v1.2.18版本的发布标志着FlashSpace在多窗口管理能力上又迈出了重要一步,特别是画中画功能的加入,使得这款工具在专业用户群体中的实用价值进一步提升。对于经常需要同时处理多个任务的用户来说,这次更新值得关注和尝试。
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