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-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00