Servo 重大突破:已可运行 Gmail 和 Google Chat,多项 Web 特性支持获得显著提升
近日,开源浏览器引擎项目Servo发布了最新进展报告。该项目在过去两个月内取得了多项重要突破,其中最引人注目的是已经可以运行Gmail和Google Chat等复杂网站,这标志着Servo在Web兼容性方面迈出了重要一步。
AI政策保持不变
值得一提的是,Servo社区近期就是否允许使用AI工具(如GitHub Copilot)进行了广泛讨论。根据社区反馈,项目维护者决定继续保持现有的AI贡献禁令。这一决定表明了Servo社区对代码质量和开发流程的严格把控。
核心功能大幅提升
在技术层面,Servo在多个关键领域都取得了显著进展。Shadow DOM支持率提升了70个百分点达到77.9%,Trusted Types API和Content Security Policy的支持率分别提升至57.8%和54.8%。Streams API支持率提升了31.9个百分点至68.1%,CSS Text支持率提升了20.4个百分点至57.6%。这些改进使得Servo能够正确渲染更多现代网站。
此外,Servo还新增了多项重要特性支持,包括CSS嵌套语法、scale/rotate/translate变换、will-change属性等CSS新特性,以及ClipboardItem、navigator.clipboard.writeText()等Web API。在用户界面方面,新增了输入框光标显示和文本选择功能,大大改善了用户体验。
性能与稳定性优化
在性能方面,Servo团队完成了对庞大的script模块的拆分工作,这项工作持续了超过11年,最终使该模块的增量构建时间减少了60%。同时,团队还开始构建增量布局系统,显著提升了offsetWidth、offsetHeight等布局查询的性能。
为了方便开发者追踪内存使用情况,Servo新增了about:memory页面,提供了详细的内存分配信息。此外,团队还修复了大量与触摸事件、Service Worker、WritableStream等相关的崩溃问题。
开发工具改进
Servo的开发者工具也得到了显著增强。新版本支持iframe调试、颜色方案模拟、多标签页等功能,并开始支持Sources面板。为了确保开发工具的稳定性,Servo现在要求使用Firefox 133或更新版本。
项目展望
从最新进展来看,Servo项目正在稳步推进向现代浏览器引擎迈进。虽然在运行Gmail和Google Chat时仍需要启用实验性Web平台特性,且部分功能存在限制(如双因素认证暂不支持),但这些进展已经展示了项目的巨大潜力。
值得注意的是,Servo采用了渐进式的开发策略,在保持核心功能稳定的同时,不断增加对新Web标准的支持。这种策略使得项目能够在保证质量的同时持续演进,为Web开发者和用户提供更好的选择。
总的来说,这次更新展示了Servo项目在朝着成为一个完整、现代的浏览器引擎目标迈出的重要一步。随着更多功能的完善和性能的优化,Servo有望为Web生态系统带来更多创新和选择。

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
- 上一篇
四款 AI 原生 App 月活破亿
QuestMobile数据显示,截止到2025年3月份,移动端原生App月度活跃用户规模为5.91亿。其中由六大手机厂商主导的AI原生应用异军突起,以4.81亿月活规模构筑起行业竞争新壁垒。 具体玩家来看,截止到3月份,活跃用户规模TOP15原生App中,六大手机厂商均榜上有名。 其中,华为小艺、OPPO小布助手月活跃用户规模分别达1.57亿、达1.48亿,超过了豆包的1.15亿,仅次于DeepSeek的1.93亿。 相较于互联网企业的传统打法,手机厂商展现出独特的竞争优势:一方面依托设备预装实现市场卡位,另一方面通过系统级API开放构建开发者生态。 这种"终端+云端"的立体化布局,使其在语音交互、场景感知等核心功能迭代上保持领先节奏。
- 下一篇
腾讯开源多模态统一 CoT 奖励模型
腾讯混元联合上海 AI Lab、复旦大学、上海创智学院,于近日正式推出了全新研究成果 —— 统一多模态奖励模型(Unified Reward-Think)。“首次让奖励模型在各视觉任务上真正 “学会思考”,实现对复杂视觉生成与理解任务的准确评估、跨任务泛化与推理可解释性的大幅提升。” 目前该项目已全面开源:包括模型、数据集、训练脚本与评测工具。“UnifiedReward-Think 展示了奖励模型的未来方向 —— 不仅仅是一个 “打分器”,而是一个具备认知理解、逻辑推理与可解释输出能力的智能评估系统。” 一、背景与动机:奖励模型也需要 “思考” 当前的多模态奖励模型大多只能对结果进行 “表面判断”,缺乏深度推理与可解释的决策依据,难以支撑对复杂视觉任务的精准评估。该工作研究团队提出关键问题:是否可以引入 “长链式思考”(Chain-of-Thought, CoT)机制,赋予奖励模型更强的推理能力? 挑战在于,当前缺乏高质量的多模态 CoT 奖励推理数据,传统 SFT 等训练范式难以直接教会模型掌握推理过程。他们认为,多模态大模型本身具备深层、多维度的推理潜力,关键在于设计一套高效训练...
相关文章
文章评论
共有0条评论来说两句吧...
文章二维码
点击排行
推荐阅读
最新文章
- CentOS6,7,8上安装Nginx,支持https2.0的开启
- CentOS7设置SWAP分区,小内存服务器的救世主
- Docker安装Oracle12C,快速搭建Oracle学习环境
- Docker快速安装Oracle11G,搭建oracle11g学习环境
- CentOS8编译安装MySQL8.0.19
- CentOS7编译安装Gcc9.2.0,解决mysql等软件编译问题
- SpringBoot2更换Tomcat为Jetty,小型站点的福音
- Windows10,CentOS7,CentOS8安装Nodejs环境
- MySQL8.0.19开启GTID主从同步CentOS8
- CentOS7,CentOS8安装Elasticsearch6.8.6