Spectrum CSS 7.0.0版本发布:构建Spectrum 2设计基础
Spectrum CSS是Adobe开源的一套CSS框架,用于构建符合Adobe设计系统的用户界面。该项目提供了丰富的UI组件和样式,帮助开发者快速实现美观且一致的界面设计。最新发布的7.0.0版本是一个重要的里程碑,它建立了Spectrum 1(S1)和Spectrum 2(S2)设计之间的桥梁,称为"Spectrum 2 Foundations"。
设计系统兼容性升级
7.0.0版本的核心变化是引入了Spectrum 2 Foundations,这并非一个完整的S2组件迁移,而是一个系统层级的解决方案。通过这一层,开发者可以轻松地在S1、Express和S2设计风格之间切换组件外观。这种设计思路体现了Adobe对设计系统演进的前瞻性思考,既保证了现有项目的稳定性,又为未来升级铺平了道路。
要使用S2风格,开发者需要搭配16.0.0或更高版本的@spectrum-css/tokens。如果希望保持S1或Express风格,则应使用14.x或15.x版本的tokens。这种灵活的版本控制机制为不同设计需求的团队提供了便利。
文件结构与使用方式优化
新版本对文件结构进行了优化调整:
- 移除了metadata文件夹及其内容,组件信息现在统一放在dist/metadata.json中
- 废弃的index-vars.css文件被彻底移除,建议使用index.css或index-base.css替代
对于不同使用场景,新版提供了更清晰的文件选择方案:
- 仅需S2 Foundations样式:使用index.css
- 仅需S1或Express组件:使用index-base.css配合对应的主题文件
- 需要动态切换设计风格:使用index-base.css配合index-theme.css,并通过.spectrum--legacy(S1)或.spectrum--express(Express)类名控制
技术实现细节
这一重大更新采用了现代化的CSS架构思想,将基础样式与设计系统实现分离。系统层级的映射机制使得组件可以灵活适配不同设计规范,而无需修改组件本身的CSS结构。这种解耦设计大大提高了代码的可维护性和扩展性。
值得注意的是,这一版本特别为Spectrum Web Components 1.x提供了支持,体现了Adobe对Web Components技术栈的重视。开发者可以基于此版本构建更具交互性的组件系统。
总结
Spectrum CSS 7.0.0版本的发布标志着Adobe设计系统向现代化迈出了重要一步。通过引入Spectrum 2 Foundations,项目既保持了向后兼容性,又为未来的设计演进奠定了基础。这一版本的技术决策展现了Adobe团队对前端架构的深刻理解,为开发者提供了更灵活、更强大的工具集。对于正在使用或考虑采用Spectrum CSS的团队来说,7.0.0版本无疑是一个值得关注的重要更新。
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
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-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
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