Rspack v1.3.1 发布:支持并行加载器与关键错误修复
Rspack 是一个基于 Rust 的高性能 Web 构建工具,它结合了 Webpack 的灵活性和 Rust 语言的性能优势。在最新发布的 v1.3.1 版本中,Rspack 团队带来了令人兴奋的并行加载器支持,并修复了几个关键问题。
并行加载器支持(实验性功能)
Rspack v1.3.1 引入了 JavaScript 加载器的并行执行能力,这是通过 Node.js 的 worker_threads 模块实现的。这一功能可以充分利用操作系统提供的最大线程数,显著提升构建性能。
如何启用并行加载
开发者需要在配置中同时设置两个选项来启用这一实验性功能:
- 在模块规则中为特定加载器设置
parallel: true - 在实验性配置中启用
parallelLoader: true
module.exports = {
module: {
rules: [
{
test: /\.less$/,
use: [
{
loader: "less-loader",
parallel: true, // 启用该加载器的并行执行
options: { ... }
}
],
type: "css"
}
]
},
experiments: {
css: true,
parallelLoader: true // 全局启用并行加载器支持
}
}
性能提升
在大型项目测试中(如包含 100 个 antd.less 文件的项目),这一功能带来了 2.26 倍的性能提升(测试环境为 Apple M2 Max, 64G 内存)。这对于大型前端项目的构建速度优化具有重要意义。
关键错误修复
v1.3.1 版本修复了 v1.3.0 中的几个关键问题:
-
源代码映射问题:修复了在使用
devtool: 'eval-source-map'配置时出现的 "No unique code generation entry for unspecified runtime" 错误。这个问题会影响开发环境下的调试体验。 -
CSS 提取插件问题:解决了与
CssExtractRspackPlugin一起使用时出现的 "should have best match" 错误,确保了 CSS 资源能够正确提取和处理。
其他改进
除了上述主要特性外,v1.3.1 还包含了一系列改进:
- 增强了编译日志的清晰度,使开发者更容易理解构建过程中的问题
- 改进了动态导入脚本外部依赖的处理
- 更新了多个依赖项,包括将 SWC 升级到 v18.0.0
- 改进了错误处理和结果转换机制
- 优化了测试工具的使用方式
总结
Rspack v1.3.1 通过引入并行加载器支持,为大型项目构建提供了显著的性能提升。虽然这一功能目前仍处于实验阶段,但已经显示出巨大的潜力。同时,该版本修复了几个关键问题,提高了工具的稳定性和可靠性。
对于正在使用 Rspack 的开发者来说,升级到 v1.3.1 版本可以获得更好的构建体验和性能表现。特别是对于那些处理大量 CSS/LESS/SASS 文件的项目,尝试启用并行加载器可能会带来意想不到的性能提升。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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