Modern.js v2.64.1 版本发布:配置加载优化与插件体系升级
Modern.js 是一个现代化的前端开发框架,旨在为开发者提供高效、灵活的开发体验。本次发布的 v2.64.1 版本主要围绕配置加载机制和插件系统进行了多项改进,进一步提升了框架的兼容性和扩展能力。
配置加载机制的重大改进
本次版本最核心的改进之一是配置文件的加载方式。开发团队引入了 jiti 作为新的配置文件加载器,这一改变带来了对 ESM (ECMAScript Modules) 导入的完整支持。这意味着开发者现在可以在 Modern.js 配置文件中使用现代 JavaScript 的模块语法,包括 import/export 语句,而不再局限于传统的 CommonJS 语法。
在实际开发中,这一改进使得配置文件的编写更加符合现代 JavaScript 的开发习惯,特别是在大型项目中,模块化的配置管理可以带来更好的代码组织和维护性。同时,这也为未来可能的 TypeScript 配置文件支持奠定了基础。
环境变量加载时机优化
另一个值得关注的改进是环境变量的加载时机。在 appTools 中,环境变量现在会在首次加载 modern config 之前就被加载。这一看似微小的调整实际上解决了开发中一个常见的问题:确保环境变量在所有配置处理过程中都可用。
在实际场景中,有些配置可能需要基于环境变量进行动态调整。之前的加载顺序可能导致这些基于环境变量的配置无法正确生效。现在的改进确保了配置可以完全访问所有环境变量,使得环境相关的配置更加可靠。
插件系统的演进
Modern.js 的插件系统在本版本中得到了显著增强:
-
插件兼容性警告:针对 twin.macro v2 的使用添加了警告信息。twin.macro 是一个流行的 Tailwind CSS 工具,v2 版本可能存在一些兼容性问题,这个警告可以帮助开发者及时识别潜在问题。
-
核心钩子迁移:将
_internalRuntimePlugins和_internalServerPlugins这两个核心钩子迁移到了 plugin-v2 系统。这标志着 Modern.js 插件体系向更现代化架构的演进,为未来的插件功能扩展打下了更好的基础。 -
CLI 插件扩展能力:CLI 插件现在支持扩展 config 工具函数(ExtendConfigUtils)。这一改进大大增强了插件的灵活性,允许插件开发者提供更多自定义的配置处理工具,丰富了整个插件生态的可能性。
其他重要修复
除了上述功能改进外,本次发布还包含了一些重要的稳定性修复:
- 移除了在 registerEsm 中对 esbuild 的注册,这一调整优化了模块注册流程
- 改进了状态日志的输出准确性,确保开发者能获得更可靠的构建状态信息
总结
Modern.js v2.64.1 虽然是一个小版本更新,但包含了对开发者体验有实质性影响的改进。从配置加载的现代化支持,到插件系统的持续演进,再到各种细节优化,都体现了开发团队对框架质量和开发者体验的持续关注。
对于现有用户,特别是那些已经在使用 ESM 模块或开发自定义插件的团队,建议尽快升级以享受这些改进带来的好处。新用户也可以从这个版本开始,体验到更加完善和稳定的 Modern.js 开发环境。
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