Theme.Park项目1.21.0版本发布:新增Docmost支持与样式优化
项目简介
Theme.Park是一个开源的Web界面主题定制项目,它为用户提供了多种现代化、美观的主题方案,可以应用于各类自托管服务和Web应用程序。该项目通过CSS样式覆盖的方式,让用户能够轻松地为常见的自托管服务(如Radarr、Sonarr、Sabnzbd等)更换界面主题,提升用户体验。
1.21.0版本更新亮点
新增Docmost主题支持
本次更新的重要特性是新增了对Docmost文档协作平台的主题支持。Docmost是一个开源的团队文档协作平台,类似于Confluence或Notion,但更加轻量级且易于自托管。
Theme.Park为Docmost提供了完整的主题适配,包括:
- 统一的配色方案
- 优化的界面元素样式
- 增强的视觉层次感
- 与Theme.Park其他主题一致的视觉体验
这一新增支持使得使用Docmost的团队能够获得更加专业和一致的外观体验,同时保持与组织内其他自托管服务的视觉统一性。
Sabnzbd样式修复
在Sabnzbd(一个流行的Usenet下载工具)主题方面,本次更新修复了基础CSS文件中的一些问题。这些修复包括:
- 修正了某些UI元素的布局问题
- 优化了响应式设计表现
- 解决了特定浏览器下的兼容性问题
这些改进使得Sabnzbd在各种设备和浏览器上都能呈现更加稳定和一致的视觉效果。
Radarr信息标签颜色修复
对于Radarr(电影管理工具)用户,本次更新特别修复了电影详情页面(/movie/xxxx)中信息标签的颜色显示问题。具体改进包括:
- 修正了标签颜色与主题配色方案不一致的问题
- 优化了标签的可读性和视觉对比度
- 确保所有状态标签都能正确反映其含义
这一修复提升了Radarr用户在使用过程中的视觉体验,使界面信息更加清晰易读。
技术实现特点
Theme.Park项目的技术实现有几个值得注意的特点:
- 非侵入式设计:通过CSS覆盖实现主题定制,不需要修改原始应用程序代码
- 模块化架构:每个支持的应用都有独立的样式模块,便于维护和扩展
- 主题一致性:虽然支持多种应用,但保持了统一的视觉设计语言
- 渐进增强:在不影响功能的前提下提供视觉改进
升级建议
对于现有Theme.Park用户,建议及时升级到1.21.0版本以获取最新的功能和修复。升级过程通常只需要替换CSS文件即可,具体步骤取决于您的部署方式。
对于Docmost用户,这是一个体验Theme.Park主题的好机会,可以显著提升您的文档协作平台的视觉体验。
总结
Theme.Park 1.21.0版本继续扩展其支持的应用范围,同时优化现有主题的质量。新增的Docmost支持和多项样式修复展示了项目团队对用户体验的持续关注。作为一个开源项目,Theme.Park为自托管服务生态提供了宝贵的视觉统一解决方案,值得各类自托管服务用户关注和使用。
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