RSBuild v1.2.10 版本发布:Rspack 升级与缓存优化
RSBuild 是一个基于 Rspack 的现代化构建工具,旨在为前端开发者提供高效、灵活的构建体验。它集成了众多优化策略和最佳实践,帮助开发者快速构建高性能的 Web 应用。本次发布的 v1.2.10 版本主要带来了 Rspack 的版本升级和缓存机制的优化。
Rspack 升级至 v1.2.5
本次更新将 Rspack 依赖版本升级到了 v1.2.5。Rspack 是一个基于 Rust 的高性能构建工具,与 Webpack 兼容但具有更快的构建速度。这次升级意味着 RSBuild 用户将自动获得 Rspack 最新版本带来的性能改进和 bug 修复。
对于开发者来说,这种依赖的定期升级非常重要,因为它不仅能够带来性能提升,还能确保项目使用最新的安全补丁和功能优化。RSBuild 团队持续关注上游依赖的更新,并及时集成到主版本中,这种维护方式体现了项目对稳定性和性能的重视。
环境文件加入构建依赖
一个值得注意的改进是将环境文件(如 .env 文件)添加到了构建依赖中。这意味着当这些环境文件发生变化时,构建系统会自动触发重新构建。这个改进解决了开发过程中常见的一个痛点:修改环境变量后需要手动重启开发服务器才能生效。
在实际开发中,环境变量经常用于配置不同环境下的应用行为。以前,开发者修改 .env 文件后,往往需要手动重启开发服务器才能使更改生效。现在,RSBuild 会自动监测这些文件的变化并触发必要的重建,大大提升了开发体验和工作效率。
服务器模式下的选项回退修复
本次版本还修复了一个关于服务器模式下选项回退的问题。在某些情况下,选项回退机制可能会在不应该生效的场景下被触发。通过这个修复,现在选项回退将严格限制在 RSBuild 服务器模式下工作,确保了构建配置在不同环境下行为的一致性。
这个修复对于使用复杂构建配置的项目尤为重要,它消除了潜在的不一致行为,使得开发和生产环境的构建结果更加可靠。
文档改进
除了代码层面的改进,本次发布还包含了文档的优化。特别是对 JavaScript API 文档中 stats 使用示例的改进,使得开发者能够更清晰地理解如何使用这个功能。良好的文档是开源项目成功的关键因素之一,RSBuild 团队持续投入精力完善文档,这有助于降低新用户的上手难度。
测试优化
在测试方面,团队优化了多个 RSBuild 开发服务器同时运行的测试用例,确保在复杂场景下构建工具仍能稳定工作。此外,还对 TailwindCSS 的测试配置进行了优化,这表明项目对流行 CSS 框架的支持也在持续改进。
总结
RSBuild v1.2.10 虽然是一个小版本更新,但它包含了多项有价值的改进。从核心依赖的升级到开发体验的优化,再到文档的完善,这些变化都体现了项目团队对产品质量和开发者体验的关注。对于现有用户来说,升级到这个版本将获得更稳定的构建体验和更好的开发效率。对于考虑采用 RSBuild 的新用户,这个版本进一步增强了项目的吸引力,展示了其作为现代化构建工具的成熟度。
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