Spectrum CSS日历组件7.0.0版本发布解析
Spectrum CSS是Adobe开源的一套设计系统CSS框架,它为开发者提供了符合Adobe设计规范的UI组件库。近日,该项目发布了日历组件(Calendar)的7.0.0大版本更新,这一版本标志着Spectrum设计系统从第一代(S1)向第二代(S2)过渡的重要里程碑。
版本核心特性
7.0.0版本引入了"Spectrum 2 Foundations"架构,这是一个创新的桥梁设计,允许开发者在S1、Express和S2三种设计风格之间灵活切换。这种设计通过系统层(System Layer)实现,该层将组件级别的token重新映射到相应的token数据集。
值得注意的是,这一版本并非完整的S2组件迁移,而是为后续完全迁移奠定基础。开发者现在可以通过简单的token配置,让同一套代码在不同设计风格下呈现不同的视觉效果。
技术实现细节
设计风格切换机制
要启用S2风格,开发者需要搭配使用@spectrum-css/tokens的v16或更高版本。而对于传统的S1或Express风格,则需要使用v14.x或v15.x版本的tokens。
系统提供了三种使用方式:
- 仅使用S2 Foundations样式:引入
index.css文件 - 仅使用S1或Express样式:引入
index-base.css加上对应的主题文件 - 动态切换设计风格:引入
index-base.css和index-theme.css,并通过.spectrum--legacy(S1)或.spectrum--express(Express)类名进行切换
重大变更与废弃项
本次更新移除了metadata文件夹及其内容,相关组件信息现在统一存放在dist/metadata.json中。同时,已废弃的index-vars.css文件被彻底移除,开发者应转向使用index.css或index-base.css。
开发者注意事项
对于需要完整S2设计支持的开发者,建议关注next标签的版本而非此基础版本。当前7.0.0版本主要用于Spectrum Web Components 1.x的支持。
在样式覆盖方面,新版采用了更加模块化的结构,使得自定义样式更加方便。同时,由于token系统的升级,开发者需要注意现有样式可能受到的影响,特别是在多主题切换场景下。
总结
Spectrum CSS日历组件7.0.0的发布,展现了Adobe设计系统向现代化、灵活化方向发展的决心。这种渐进式的迁移策略既保证了现有项目的稳定性,又为未来的设计演进铺平了道路。开发者现在可以更加灵活地在不同设计风格间切换,同时为未来的完全迁移做好准备。
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