DivKit 30.33.0版本发布:跨平台UI框架的全面升级
前言
DivKit是一个由Yandex开源的跨平台UI框架,它允许开发者通过声明式的JSON模板来构建动态用户界面。该框架支持Android、iOS和Web三大平台,通过统一的模板语法实现多端一致的UI表现。本次发布的30.33.0版本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表现力。
核心更新内容
动画与交互增强
本次更新在动画和用户交互方面做了显著改进。Android客户端新增了animated参数,支持在滚动操作时添加平滑的动画效果,包括set_current_item、scroll_forward等动作。iOS端则设置了最小动画时间,防止动画过快导致视觉体验不佳。
在交互响应方面,Android平台新增了对press_start_actions、press_end_actions等动作的支持,使开发者能够更精细地控制用户按压和悬停时的交互逻辑。iOS端修复了状态视图子视图的动画问题,提升了动画的连贯性。
视觉表现优化
视觉效果的提升是本次更新的另一重点。Android端新增了ImageTransformer功能,取代了原有的externalImage,为图片加载提供了更强大的转换能力。同时新增的shine扩展为UI元素添加了闪光效果,增强了视觉吸引力。
iOS端则完善了shimmer扩展,新增了对corner_radius参数的支持,使加载占位效果更加自然。Web端修复了过渡动画中不必要的裁剪问题,确保动画效果更加流畅。
数学计算功能扩展
三个平台都增强了数学计算能力。iOS新增了atan、tan、asin、acos等三角函数,Web端也新增了pi、toRadians、sin、cos等数学函数。这些功能使得在模板中进行复杂计算成为可能,大大增强了模板的表达能力。
数据存储增强
iOS端显著增强了数据存储功能,新增了getStoredArrayValue和getStoredDictValue函数,并支持在set_stored_value动作中直接存储数组和字典。这一改进使得应用状态管理更加灵活方便。
组件功能完善
各平台的组件功能都得到了不同程度的增强:
- Android端修复了
pager组件在滚动轴向上的内边距应用问题,并改进了离屏页面的绘制 - iOS端为
div-grid组件添加了对空单元格的支持,并改进了pager的无限滚动逻辑 - Web端为
slider组件添加了is_enabled属性支持,并修复了pager布局问题 - 三个平台都增强了对
tooltip的支持,iOS端特别修复了tooltip的可见性动作问题
性能与稳定性改进
本次更新在性能和稳定性方面做了多项优化:
- Android端修复了SVG图片加载导致的崩溃问题,并防止了DivActionBinder中的订阅泄漏
- iOS端改进了
DefaultTooltipManager中showTooltip方法的异步表现 - Web端修复了
tooltip和menu使用全局上下文而非组件上下文的问题 - 各平台都修复了多项可能导致崩溃或异常行为的边界情况
总结
DivKit 30.33.0版本通过新增功能、增强现有能力和修复问题,进一步提升了框架的成熟度和可用性。从动画交互的精细化控制,到视觉效果的丰富表现,再到数据管理和数学计算的能力扩展,这一版本为开发者提供了更强大的工具来构建高质量、跨平台的动态用户界面。
对于现有用户,建议关注各平台的废弃API(如Android的externalImage和iOS的AnimatableView),及时迁移到新推荐的实现方式。新用户可以借助这些增强功能,更轻松地构建出表现力丰富、交互流畅的跨平台应用界面。
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