Wasmi项目v0.41.0版本发布:全面支持Wasm内存64位与自定义页大小特性
2025-06-27 21:37:28作者:庞眉杨Will
Wasmi是一个用Rust编写的WebAssembly解释器,它提供了对WebAssembly(Wasm)字节码的解释执行能力。作为Wasm生态系统中的重要组件,Wasmi以其轻量级和高效性著称,特别适合嵌入式系统和资源受限环境。最新发布的v0.41.0版本带来了多项重要更新,其中最引人注目的是对Wasm内存64位特性和自定义页大小特性的完整支持。
内存64位特性支持
内存64位特性是Wasm社区的一个重要扩展,它允许Wasm程序使用64位地址空间来访问内存,突破了传统32位地址空间的4GB限制。在v0.41.0版本中,Wasmi默认启用了这一功能。
这项改进意味着:
- Wasm模块现在可以访问超过4GB的内存空间
- 内存地址从32位扩展到64位,理论上可支持16EB的内存
- 相关的内存操作指令(如load/store)现在支持64位地址
memory.grow指令现在会正确处理内存不足情况,触发trap而非panic
自定义页大小特性支持
另一个重要更新是对自定义页大小特性的支持。传统Wasm实现使用固定的64KB页大小,而这一特性允许模块定义自己的内存页大小。
v0.41.0版本带来的变化包括:
- 允许Wasm模块指定不同于64KB的页大小
- 内存分配和管理现在能够处理任意页大小
- 默认启用此功能,无需额外配置
- 同样改进了
memory.grow指令的错误处理机制
Wat输入支持
除了核心功能增强,v0.41.0还增加了对Wat(WebAssembly文本格式)输入的支持。现在开发者可以直接将Wat代码传递给Module::new和Module::new_unchecked方法,无需手动转换为二进制格式。
需要注意的是:
- 由于Wat无法流式编译,
Module::new_streaming方法不支持Wat输入 - 这一改进简化了开发流程,特别是在测试和原型设计阶段
错误修复与稳定性改进
本次发布修复了几个关键问题:
- 修复了尾调用主机函数时可能导致崩溃的问题
- 修正了
no_mangle和export_name同时使用时的问题 - 改进了内存不足时的处理方式,使用trap替代panic
内部优化与工具链更新
在底层实现方面,v0.41.0进行了多项优化:
- 将最低支持的Rust版本提升至1.82
- 移除了
libm的默认特性依赖 - 更新了Wasm规范测试套件
- 升级了
wasm-tools依赖至v226版本 - 采用了
string-internerv0.19
模糊测试基础设施也得到了显著改进:
- 大幅提升了Wasmtime翻译(JIT)的性能
- 改进了模糊测试器的调试输出
- 差分模糊测试器现在使用输入数据随机化函数参数
- 新增了对
custom-page-sizes和memory64特性的模糊测试支持
总结
Wasmi v0.41.0版本标志着该项目在支持最新Wasm特性方面迈出了重要一步。内存64位和自定义页大小特性的支持使Wasmi能够更好地服务于需要大内存或特殊内存配置的应用场景。同时,Wat输入支持和多项稳定性改进进一步提升了开发体验。这些更新巩固了Wasmi作为轻量级Wasm解释器的地位,为嵌入式系统和资源受限环境提供了更强大的WebAssembly支持。
登录后查看全文
热门项目推荐
相关项目推荐
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
最新内容推荐
STM32到GD32项目移植完全指南:从兼容性到实战技巧 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 开源电子设计自动化利器:KiCad EDA全方位使用指南 Python案例资源下载 - 从入门到精通的完整项目代码合集 Python开发者的macOS终极指南:VSCode安装配置全攻略 网页设计期末大作业资源包 - 一站式解决方案助力高效完成项目 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Jetson TX2开发板官方资源完全指南:从入门到精通
项目优选
收起
deepin linux kernel
C
24
9
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
暂无简介
Dart
671
155
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
660
308
Ascend Extension for PyTorch
Python
220
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.83 K
React Native鸿蒙化仓库
JavaScript
259
322