Modern.js v2.65.4 版本发布:运行时配置优化与构建工具增强
Modern.js 是一个面向现代 Web 开发的框架,它集成了前端开发的最佳实践,提供了开箱即用的开发体验。该框架特别注重开发效率和性能优化,支持多种前端技术栈和构建模式。
运行时配置钩子重命名
本次更新中,Modern.js 对运行时插件的配置钩子进行了重命名优化。原先的 modifyRuntimeConfig 钩子被简化为 config,这一变更使得 API 命名更加简洁直观。对于开发者而言,这意味着在编写运行时插件时,可以使用更简洁的语法来修改运行时配置。
这种命名优化体现了 Modern.js 团队对 API 设计的持续改进,旨在降低开发者的认知负担,提升代码的可读性和维护性。
React 版本检测机制改进
在包管理方面,本次更新修复了在 pnpm workspace 中使用 pnpm catalog 时 React 版本检测的问题。新版本采用了 require.resolve 方法来检查 React 版本,这种方法相比之前的实现更加可靠,能够正确处理 pnpm 工作区中的依赖关系。
这一改进特别有利于使用 pnpm 作为包管理工具的大型项目,确保了依赖解析的准确性,避免了因版本检测错误导致的构建问题。
静态资源中间件优化
Modern.js 的静态资源中间件也得到了重要改进。现在,静态中间件将始终使用系统的文件系统(fs)来处理静态资源,而不是依赖于其他可能的文件系统实现。这一变化带来了更高的稳定性和一致性,特别是在复杂的部署环境中。
对于开发者而言,这意味着静态资源服务将更加可靠,减少了因文件系统差异导致的问题可能性。
构建工具增强
本次更新还引入了构建工具的改进,包括对 Windows 路径处理的优化。在 transformLodash 功能中,修复了 Windows 路径转义的问题,确保了跨平台构建的一致性。
这些构建工具的改进进一步提升了 Modern.js 在不同操作系统环境下的兼容性,使开发体验更加平滑。
总结
Modern.js v2.65.4 版本虽然是一个小版本更新,但包含了多项重要的优化和改进。从运行时配置的 API 简化,到构建工具的跨平台兼容性增强,再到静态资源处理的可靠性提升,这些改进都体现了 Modern.js 团队对开发体验的持续关注。
对于现有用户,建议尽快升级到这个版本,以获得更稳定和高效的开发体验。特别是对于使用 pnpm 工作区或需要在 Windows 环境下开发的团队,这些改进将带来明显的体验提升。
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