Mako项目v0.0.0-alpha.38版本发布:代码分割与开发体验优化
Mako是一个现代化的前端构建工具,专注于提供高效的开发体验和优化的生产构建。该项目采用Rust语言开发,旨在为前端开发者提供更快速、更可靠的构建解决方案。最新发布的v0.0.0-alpha.38版本带来了一系列值得关注的改进和功能增强。
核心功能更新
应用项目代码分割支持
本次更新最重要的特性是增加了对应用项目代码分割的支持。代码分割是现代前端性能优化的关键技术,它允许将应用程序拆分为多个较小的代码块,实现按需加载而非一次性加载全部资源。
Mako通过bundler模块实现了这一功能,开发者现在可以:
- 自动分割第三方依赖库和业务代码
- 动态导入模块实现按需加载
- 优化首屏加载时间
- 减少不必要的代码传输
工具重命名与定位调整
项目团队将原有的"utoo-bundler"正式更名为"utoo-pack",这一变更反映了工具定位的调整,从单纯的bundler扩展为更全面的packaging解决方案。新名称更准确地描述了工具的功能范围,为未来的功能扩展奠定了基础。
性能优化
开发模式下的构建加速
团队针对开发体验进行了专门优化,在开发模式下禁用了chunk文件名模板功能。这一改动显著减少了开发时的构建时间,使开发者能够获得更快的反馈循环。具体表现为:
- 减少了不必要的文件名计算
- 简化了开发环境下的输出结构
- 保持了生产环境的完整功能
Rust编译加速
对于本地开发环境,团队优化了Rust编译器的配置,使得本地构建速度得到提升。这一改进特别有利于参与项目贡献的开发者,减少了代码修改后的等待时间。
新特性:Node环境自动安装
新增的install-node能力支持是本次发布的另一个亮点。这一功能可以:
- 自动检测并安装所需的Node.js版本
- 简化项目初始化流程
- 确保团队成员使用一致的开发环境
- 减少环境配置带来的问题
技术实现特点
Mako项目采用Rust语言开发,充分利用了Rust的性能优势和安全特性。从这次更新可以看出几个技术特点:
- 渐进式架构:通过模块化设计,逐步扩展功能范围
- 环境感知:区分开发和生产模式,提供针对性优化
- 开发者体验优先:持续优化构建速度和开发流程
总结
Mako v0.0.0-alpha.38版本在保持项目核心优势的同时,通过代码分割支持、性能优化和新功能添加,进一步提升了工具的实用性和开发体验。这些改进展示了项目团队对现代前端工程需求的深刻理解,以及持续优化构建流程的决心。
对于前端开发者而言,这一版本特别适合关注构建性能和应用优化的团队尝试。随着alpha版本的持续迭代,Mako正逐步成为一个值得期待的现代化前端构建解决方案。
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