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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00