Rspack v1.2.6 版本发布:性能优化与新特性解析
Rspack 是一个基于 Rust 的高性能前端构建工具,它结合了 Webpack 的丰富功能和 Rust 语言的性能优势,为现代前端开发提供了更快的构建速度和更好的开发体验。在最新发布的 v1.2.6 版本中,Rspack 团队带来了一系列性能优化、新功能引入和问题修复,进一步提升了工具的稳定性和效率。
性能优化亮点
本次版本在性能方面做了多处改进,显著提升了构建速度:
-
解析器创建优化:通过缓存解析器(Resolver)的创建过程,减少了重复计算的开销。解析器是模块解析的核心组件,这一优化对于大型项目特别有益。
-
模块执行钩子非阻塞化:移除了执行模块钩子的阻塞操作,使得构建过程更加流畅,特别是在处理大量模块时效果明显。
-
分区映射替代克隆:使用 partition_map 技术替代了原有的克隆操作,减少了内存分配和数据复制的开销,这在处理大规模模块依赖关系时尤为有效。
新特性介绍
v1.2.6 版本引入了 Dojang 模板引擎来渲染运行时模板,这是本次更新的重要特性:
-
Dojang 模板引擎集成:Dojang 是一个高效的模板引擎,现在被用于渲染 chunk 运行时模板和运行时模板。这一改变不仅提高了模板渲染速度,还使得模板代码更加清晰易维护。
-
模板渲染现代化:通过 Dojang 的引入,Rspack 的模板系统更加现代化,为未来的功能扩展打下了良好基础。
关键问题修复
本次版本修复了多个影响用户体验的问题:
-
增量构建修复:完善了增量构建功能,现在能够正确处理完整哈希测试场景下的增量构建。
-
排序问题修复:解决了模块组(group)排序和模块顺序不正确的问题,确保了构建结果的稳定性。
-
协议处理改进:当 publicPath 设置为 auto 时,现在能够正确处理 blob: 协议,避免了资源加载问题。
-
JSON 处理增强:修正了 JSON 文件中 Unicode 字符的转义处理,确保了特殊字符的正确解析。
-
CSS 模块兼容性:修复了 CSS 模块中使用保留关键字导致的构建错误问题。
-
CLI 一致性改进:统一了命令行参数的命名风格,全部采用 camelCase 格式,提高了使用一致性。
-
模块联邦缓存:解决了与模块联邦(Module Federation)功能一起使用时持久化缓存的问题。
其他改进
除了上述主要变化外,本次更新还包括:
- 测试用例优化:减少了不必要的哈希快照,使测试更加稳定可靠。
- 构建流程改进:优化了 CI 流程,包括并行化构建和依赖安装优化。
- 依赖更新:升级了多个关键依赖,如 TypeScript 5 和 less-loader v12 等。
- 代码质量提升:移除了重复的静态变量定义,使代码更加简洁。
总结
Rspack v1.2.6 版本在性能、功能和稳定性方面都做出了显著改进。特别是 Dojang 模板引擎的引入,为未来的性能优化和功能扩展奠定了基础。对于现有用户来说,升级到这个版本将获得更快的构建速度和更稳定的构建结果。对于考虑采用 Rspack 的开发者,这个版本展示了项目团队对性能优化和开发者体验的持续关注,是一个值得尝试的选择。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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