DivKit 31.1.0版本发布:跨平台UI框架的增强与优化
DivKit是一个开源的跨平台UI框架,它允许开发者使用声明式的JSON格式来构建复杂的用户界面。通过DivKit,开发者可以轻松实现动态UI更新、状态管理和动画效果,同时保持代码的简洁性和可维护性。本次发布的31.1.0版本为Android、iOS和Web三大平台带来了多项功能增强和问题修复,进一步提升了框架的稳定性和开发体验。
Android客户端改进
在Android平台上,31.1.0版本主要增强了分页器(pager)组件的布局控制能力。新增了对cross_axis_alignment和scroll_axis_alignment属性的支持,这两个属性分别控制分页器在交叉轴和滚动轴方向上的对齐方式。
cross_axis_alignment属性决定了分页器内容在垂直于滚动方向上的对齐方式。例如,在水平滚动的分页器中,这个属性可以控制内容在垂直方向上是顶部对齐、居中对齐还是底部对齐。而scroll_axis_alignment则控制分页器内容在滚动方向上的对齐行为,这对于实现特殊的分页效果非常有用。
这些新增的属性为开发者提供了更精细的布局控制能力,使得在不同屏幕尺寸和设备上实现一致的UI表现变得更加容易。
iOS客户端更新
iOS平台在这个版本中获得了多项重要更新。首先,新增了download动作处理器,这使得开发者可以直接在DivKit中处理文件下载操作,而无需依赖外部代码。这个功能特别适合需要展示可下载内容的场景,如电子书阅读器或媒体应用。
在行为一致性方面,修复了DivFlagsInfo.useUrlHandlerForVisibilityActions的行为,确保了可见性动作的处理方式与其他平台保持一致。同时,修正了分页器的内边距问题,消除了在某些情况下可能出现的布局错位现象。
用户体验方面也有显著改进。修复了按钮短按动画不触发的问题,现在即使是快速的轻触也会播放完整的按钮动画,提供了更连贯的交互反馈。此外,在网格视图渲染时,现在会正确遵守min_size属性对高度的限制,避免了内容被意外截断的情况。
Web客户端增强
Web平台在这个版本中获得了多项功能增强和问题修复。工具提示(tooltip)组件现在支持状态切换功能,开发者可以更灵活地控制工具提示的显示和隐藏行为。
输入(input)组件新增了对filters属性的支持,这使得开发者可以直接在DivKit中实现输入内容的过滤和验证功能,而无需编写额外的JavaScript代码。
在数学函数支持方面,新增了tan(正切)、asin(反正弦)和acos(反余弦)函数的支持,丰富了表达式计算的能力。
针对开发者体验的改进包括:修正了direction属性的类型定义,消除了类型检查时的潜在问题;调整了focus_element动作的行为,使其与原生客户端一致——现在会将光标移动到输入框的末尾;移除了可见性变化过渡效果对唯一ID的要求,简化了相关动画的实现。
跨平台一致性考虑
DivKit作为一个跨平台框架,保持各平台行为的一致性至关重要。在这个版本中,团队特别关注了不同平台间组件行为和API的同步。例如,Web平台上focus_element动作的调整就是为了匹配Android和iOS的原生行为。同样,移除可见性过渡效果对唯一ID的要求也是为了与Android客户端的行为保持一致。
这些改进不仅提升了开发者的体验,也使得应用在不同平台上能够呈现更加一致的UI和行为,减少了平台特定代码的需求。
总结
DivKit 31.1.0版本通过多项功能增强和问题修复,进一步提升了框架的稳定性、功能丰富性和跨平台一致性。无论是Android的分页器布局控制、iOS的下载功能支持,还是Web的输入过滤和数学计算能力,这些改进都为开发者构建高质量的跨平台应用提供了更强大的工具。
对于正在使用DivKit的开发者,建议尽快升级到这个版本以利用这些新特性和改进。对于考虑采用DivKit的团队,这个版本展示了框架持续演进的能力和跨平台开发的潜力。
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