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。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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