Univer v0.6.4版本发布:表格功能增强与交互优化
Univer是一款开源的在线文档、电子表格和演示文稿协同编辑工具,支持多人实时协作。作为一款正在快速发展的项目,Univer致力于为企业用户和个人开发者提供强大的在线办公解决方案。本次发布的v0.6.4版本主要针对表格功能进行了多项优化和改进。
核心功能增强
交互体验优化
在本次更新中,Univer Sheets(表格组件)新增了一项实用的交互功能:通过右键菜单设置插入行或列的数量。这一改进显著提升了批量操作的效率,用户不再需要反复执行单次插入操作,而是可以直接指定需要插入的行列数量,系统会一次性完成批量插入。
元数据访问能力扩展
开发团队为工作表添加了getCustomMetadata方法,这一API扩展使得开发者能够更灵活地获取工作表的自定义元数据。这项功能为二次开发和深度定制提供了更多可能性,特别是在需要将业务数据与表格元数据关联的场景下尤为实用。
关键问题修复
数据验证功能完善
-
引用范围修复:解决了在数据验证场景下插入行或列时出现的引用范围错误问题。这一修复确保了在进行行列操作后,原有的数据验证规则能够正确保持其引用范围。
-
自定义公式验证:优化了使用自定义公式进行数据验证时的交互体验,修复了相关错误,使得这一高级功能更加稳定可靠。
权限系统优化
调整了权限初始化的时机,解决了因权限初始化时序问题导致的一系列bug。这一改进使得权限控制系统更加健壮,特别是在复杂的协作场景下表现更为稳定。
界面交互改进
修复了菜单栏工具提示抖动的问题,提升了用户界面的整体流畅度。这种细节优化虽然看似微小,但对于提升用户体验却有着显著效果。
性能优化
开发团队对渲染引擎进行了优化,减少了不必要的字体设置调用,并避免了在视图边界外绘制字形。这些优化措施有效提升了表格渲染性能,特别是在处理大型数据集时效果更为明显。
开发者生态
本次更新还包含了多项面向开发者的改进:
- 修复了事件处理依赖检测的时机问题,确保只在事件处理程序中而非注册事件前进行检测。
- 完善了公式引擎的更新机制,确保在隐藏行列后公式能够正确更新。
- 改进了撤销/重做功能,在执行回滚操作前增加了必要的检查。
总结
Univer v0.6.4版本虽然在版本号上只是一个小的迭代,但却包含了多项实质性改进。从用户体验到开发者API,从核心功能到性能优化,各个方面都得到了不同程度的提升。特别是数据验证和权限控制等企业级功能的完善,显示出Univer正在向更加成熟稳定的方向发展。
对于正在使用或考虑采用Univer的用户和开发者来说,这个版本值得关注和升级。它不仅修复了已知问题,还引入了一些能够显著提升工作效率的新特性,为未来的功能扩展奠定了更坚实的基础。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00