React Native ART SVG 15.11.0版本发布:支持React Native 0.77及布局优化
React Native ART SVG是一个用于在React Native应用中渲染SVG图形的开源库,它基于React Native的ART模块构建,提供了对SVG标准的完整支持。该库允许开发者在移动应用中高效地展示矢量图形,同时保持图形的清晰度和可伸缩性。
版本亮点
最新发布的15.11.0版本主要围绕React Native 0.77的兼容性进行了优化,并解决了新架构下的一些关键问题:
-
新架构布局改进:在新架构下,
onLayout事件现在只会触发一次,并且能够提供准确的尺寸信息,这解决了之前可能出现的多次触发和尺寸不准确的问题。 -
颜色处理优化:修复了
currentColor属性的溢出问题,确保颜色值能够正确传递和应用。 -
代码生成增强:新增了iOS组件提供器的代码生成支持,简化了iOS平台的集成过程。
-
自定义阴影节点:引入了自定义阴影节点的功能,为开发者提供了更多的渲染控制选项。
技术细节
布局系统改进
在新版本中,团队针对React Native 0.77的Yoga布局引擎进行了适配,使用了yoga::StyleLength替代了之前的yoga::value实现。这一改变使得布局计算更加精确,特别是在处理SVG元素的尺寸和位置时。
颜色系统修复
修复了两个与currentColor相关的问题:
- 解决了颜色值溢出的问题,确保颜色值在传递过程中不会丢失精度
- 修复了颜色值可能出现的陈旧值问题,保证颜色能够及时更新
构建系统优化
- 移除了AndroidManifest.xml中不必要的包声明
- 优化了CMake构建标志,提高了跨平台构建的兼容性
- 从podspec中移除了不必要的metal文件引用
开发者体验提升
-
ID引用支持:现在支持使用单引号包裹ID值,提高了SVG标记的灵活性。
-
测试示例更新:测试示例项目已升级到React Native 0.77.0-rc.6版本,方便开发者参考最新实现。
-
代码质量改进:重构了ESLint禁用注释,使其与最新配置保持一致,提高了代码可维护性。
总结
React Native ART SVG 15.11.0版本是一个以兼容性和稳定性为主的更新,特别针对React Native 0.77进行了优化。新版本解决了新架构下的关键布局问题,改进了颜色处理系统,并增强了开发者的使用体验。对于正在使用或计划使用SVG功能的React Native开发者来说,这个版本提供了更好的稳定性和性能表现。
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-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