DivKit 31.9.0版本发布:跨平台UI框架的全面优化
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、动画效果以及跨平台一致性。本次发布的31.9.0版本带来了多项重要改进,覆盖了Android、iOS和Web三大平台。
Android客户端改进
在Android平台上,本次更新主要修复了文本渐变动画器的问题。文本渐变是UI设计中常见的视觉效果,它可以让文本颜色平滑过渡,增强用户体验。之前的版本中,动画器可能存在一些性能或渲染问题,导致渐变效果不如预期。31.9.0版本修复了这些问题,确保了文本渐变动画在各种设备上都能流畅运行。
iOS客户端增强
iOS端的更新包含了多项功能增强和问题修复:
-
无障碍功能改进:新增了当聚焦在DivInput元素时自动触发Voice Over的功能。Voice Over是iOS的无障碍功能,可以帮助视障用户理解屏幕内容。这一改进使得使用DivKit构建的表单更加无障碍友好。
-
Div-patch功能扩展:增加了对"transactional"模式的支持以及on_failed_actions属性。Div-patch是DivKit中用于增量更新UI的机制,"transactional"模式提供了更可靠的更新方式,而on_failed_actions则允许开发者在更新失败时执行特定操作。
-
键盘交互优化:实现了点击输入框外部区域自动隐藏键盘的功能,这符合iOS用户的使用习惯,提升了表单填写的用户体验。
-
API现代化:将已废弃的EdgeInsets.horizontalInsets/verticalInsets API替换为推荐的EdgeInsets.horizontal/EdgeInsets.vertical,确保代码的长期兼容性。
-
动画简化:移除了视觉动画必须指定元素ID的要求,使得动画配置更加灵活简便。
Web客户端升级
Web端的更新同样值得关注:
-
函数支持扩展:现在不仅组件支持functions属性,整个卡片(div data)也支持了functions定义。这意味着开发者可以在更高层级定义和复用函数逻辑,提高了代码的组织性和可维护性。
-
标签页动画:为tabs组件新增了animation_type和animation_duration属性支持,使得标签页切换可以配置丰富的动画效果,增强用户体验。
-
动作优先级修复:修正了动作属性优先级的问题,现在typed属性比url属性具有更高的优先级。这确保了当两者同时存在时,系统会优先处理类型化的动作。
-
错误处理改进:优化了当找到本地函数但参数不正确时的错误消息,帮助开发者更快定位和解决问题。
-
嵌套动作逻辑更新:改进了"嵌套动作"警告的逻辑,现在嵌套的
总结
DivKit 31.9.0版本是一次全面的优化更新,涵盖了三大平台的多个方面。从基础的功能修复到高级特性增强,从用户体验改进到开发者体验提升,这次更新展示了DivKit团队对产品质量的持续关注。特别是iOS端的无障碍功能改进和Web端的函数支持扩展,体现了框架在可用性和灵活性方面的进步。
对于正在使用或考虑采用DivKit的团队来说,31.9.0版本值得升级,它不仅解决了已知问题,还提供了更多强大的功能来构建现代化、跨平台的用户界面。
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