LightningCSS v1.29.0 发布:CSS 视图过渡与字体特性增强
LightningCSS 是一个高性能的 CSS 解析、转换和压缩工具,由 Parcel 团队开发。它能够处理现代 CSS 特性,同时提供出色的性能表现。最新发布的 v1.29.0 版本带来了多项重要更新,特别是在 CSS 视图过渡和字体特性支持方面有了显著增强。
视图过渡 Level 2 规范支持
本次更新的亮点之一是完整实现了 CSS 视图过渡 Level 2 规范。视图过渡是 Web 平台上用于创建平滑页面过渡效果的重要特性。新版本增加了对 @view-transition 规则的支持,以及 view-transition-class 和 view-transition-group 两个新属性。
这些新增特性为开发者提供了更强大的工具来控制视图过渡效果。特别值得一提的是,新版本还支持视图过渡伪元素的类选择器功能,这使得开发者能够更精确地控制过渡动画的各个阶段。从工程化角度看,这些改进还带来了 CSS 模块作用域和更好的代码压缩效果,有助于提升项目性能。
字体特性值规则解析支持
v1.29.0 版本新增了对 @font-feature-values 规则的解析支持。这个规则允许开发者为特定字体定义命名的特性值集合,然后在 CSS 中通过简写方式引用这些值。这在处理 OpenType 字体特性时特别有用,能够简化代码并提高可维护性。
功能标志与兼容性改进
新版本引入了一个功能标志,允许开发者明确控制是否要转译 light-dark() 函数。这为项目提供了更灵活的配置选项,开发者可以根据目标环境的需求来决定是否启用这一特性。
在兼容性方面,本次更新改进了媒体查询范围语法的编译方式,现在使用布尔逻辑而非分数像素值,解决了某些情况下数值舍入导致的问题。同时,浏览器兼容性数据也得到了更新,确保工具生成的代码能够更好地匹配现代浏览器的实际支持情况。
问题修复与稳定性提升
v1.29.0 版本修复了多个影响稳定性和正确性的问题:
- 修正了
list-style简写属性的解析问题 - 修复了 CSS 模块中
:nth-child(an + b of X)选择器的哈希计算 - 解决了文件名中包含
\0字符时的处理问题 - 修正了 TypeScript 类型定义中的
CustomAtRule.loc类型 - 改进了
composeVisitors中对样式表和规则访问器的调用方式
这些修复使得 LightningCSS 在处理各种边缘情况时更加可靠,为开发者提供了更稳定的构建体验。
总结
LightningCSS v1.29.0 通过支持最新的 CSS 视图过渡规范和字体特性规则,进一步巩固了其作为现代 CSS 处理工具的地位。同时,多项问题修复和兼容性改进也提升了工具的稳定性和可靠性。对于追求高性能和现代 CSS 特性的前端项目来说,升级到这个版本将能够获得更好的开发体验和更优化的输出结果。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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