TDesign React 1.11.8版本发布:全面优化组件体验
TDesign React是腾讯开源的企业级React UI组件库,致力于为开发者提供高质量、易用的前端组件解决方案。该组件库遵循TDesign设计体系,拥有丰富的组件类型和灵活的自定义能力,能够满足各类企业级应用的开发需求。
全局配置支持Message插件
在1.11.8版本中,ConfigProvider组件新增了对Message相关插件的全局上下文配置支持。这一改进意味着开发者现在可以通过ConfigProvider统一配置Message组件的样式和行为,而不必在每个使用Message的地方单独设置。这种集中式管理方式大大提升了开发效率,特别是在大型项目中需要保持UI一致性的场景下尤为有用。
新增丰富图标资源
图标系统在此次更新中得到了扩充,新增了多个实用图标:
logo-miniprogram- 小程序标识图标logo-cnb- 云原生构建相关图标seal- 印章样式图标quote- 引号图标
这些新增图标覆盖了企业应用中常见的场景需求,特别是云原生和小程序相关的开发场景。开发者现在可以直接使用这些内置图标,而不必额外引入第三方图标库或自行设计。
Upload组件增强
Upload组件的image-flow模式在此版本中获得了两项重要改进:
- 支持上传进度显示 - 现在开发者可以直观地看到图片上传的进度状态
- 支持自定义错误文本 - 当上传出现问题时,可以展示更友好的错误提示信息
这些改进显著提升了文件上传功能的用户体验,特别是在需要上传大尺寸图片或网络状况不稳定的场景下。
Select组件多项优化
Select组件在此版本中获得了全方位的优化和问题修复:
功能增强
- 多选模式下,通过面板移除选项时新增了onRemove回调,为开发者提供了更细粒度的控制能力
问题修复
- 修复了1.11.2版本后出现的光标异常问题
- 修复了子组件方式回调函数中option信息不完整的问题
- 优化了多选移除标签的事件触发机制,现在不同触发场景会分别派发
clear、remove-tag和uncheck事件 - 修复了全选选项的trigger错误问题
- 修复了单选情况下再次点击已选选项会触发change事件的问题
- 修复了多选情况下按下backspace键无法触发change事件的问题
这些改进使得Select组件在各种交互场景下的行为更加符合预期,为开发者提供了更稳定可靠的体验。
InputNumber组件边界问题优化
InputNumber数字输入框在此版本中优化了边界处理逻辑。这一改进使得组件在输入极限值或特殊数值时的行为更加合理,减少了意外错误的发生概率。
总结
TDesign React 1.11.8版本通过新增功能、优化体验和修复问题,进一步提升了组件的稳定性和易用性。特别是Select组件的多项改进和Upload组件的功能增强,为开发者处理表单交互和文件上传场景提供了更好的支持。全局配置的扩展也为大型项目的统一管理提供了更多可能性。这些改进充分体现了TDesign团队对开发者体验的持续关注和优化。
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