Spectrum CSS 5.0.0版本发布:资产卡片组件重大更新
项目背景介绍
Spectrum CSS是Adobe开源的一套设计系统CSS框架,它为开发者提供了一套完整的UI组件样式解决方案。这套框架遵循Adobe的设计语言规范,能够帮助开发者快速构建符合Adobe设计标准的Web应用界面。
主要更新内容
本次发布的5.0.0版本对资产卡片(Asset Card)组件进行了重大更新,主要实现了Spectrum 1(S1)和Spectrum 2(S2)设计之间的桥梁功能,称为"Spectrum 2 Foundations"。
设计系统兼容性
这一更新允许开发者通过"系统"层将组件级令牌重新映射到适当的令牌数据集,从而在S1、Express和S2设计之间切换组件的外观表现。值得注意的是,这并非完全迁移的S2组件,而是为Spectrum Web Components 1.x版本提供的基础支持。
要使用S2样式,开发者需要搭配使用16.0.0或更高版本的@spectrum-css/tokens。而对于S1或Express设计,则需要使用14.x或15.x版本的@spectrum-css/tokens。
文件使用指南
-
仅需S2 Foundations样式:使用index.css文件,它包含所有基础样式和S2 Foundations的系统映射。
-
仅需S1或Express组件:使用index-base.css加上所需的themes/(spectrum|express).css文件。
-
多设计系统切换:加载index-base.css和index-theme.css文件,并使用适当的上下文类(.spectrum--legacy表示S1,.spectrum--express表示Express)。
废弃内容
本次更新中移除了metadata文件夹及其包含的mods.md和metadata.json文件。组件信息现在可以通过每个组件dist目录中的metadata.json文件获取。同时,index-vars.css文件也被移除,建议开发者使用index.css或index-base.css替代。
技术影响分析
这一更新对现有项目可能产生以下影响:
-
设计系统切换:开发者现在可以更灵活地在不同设计系统间切换,但需要注意正确加载对应版本的tokens。
-
文件引用变更:项目中引用的index-vars.css需要更新为index.css或index-base.css。
-
元数据获取方式:组件信息的获取方式从metadata文件夹转移到了dist/metadata.json。
配套更新
本次发布还更新了相关依赖:
- @spectrum-css/tokens升级至16.0.0版本
- @spectrum-css/checkbox升级至10.0.0版本
这些配套更新确保了组件间的兼容性和一致性。
升级建议
对于正在使用旧版本的项目,建议:
- 评估设计系统需求,确定是否需要S2 Foundations支持
- 检查项目中是否有对废弃文件的引用
- 更新相关依赖到兼容版本
- 测试组件在不同设计系统下的表现
这一更新为开发者提供了更大的灵活性,同时也为未来向S2设计的完全迁移奠定了基础。
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