Modern.js v2.64.1 版本发布:配置加载优化与插件体系升级
Modern.js 是一个现代化的前端开发框架,旨在为开发者提供高效、灵活的开发体验。它集成了构建工具、开发服务器和丰富的插件系统,支持多种前端技术栈的开发需求。
配置加载机制的重大改进
本次发布的 v2.64.1 版本对配置文件的加载机制进行了重要优化。开发团队引入了 jiti 模块来替代原有的配置加载方式,这一改变使得 Modern.js 现在能够原生支持 ESM 模块的导入方式。
对于不熟悉 jiti 的开发者来说,它是一个能够在运行时即时转译 TypeScript、ESM 等模块的工具,类似于 esbuild-register 但更加轻量。这一改进意味着开发者现在可以在 Modern.js 配置文件中直接使用 ESM 的 import/export 语法,而无需额外的转译配置。
环境变量加载时机优化
在应用开发工具(appTools)方面,新版本调整了环境变量的加载时机。现在环境变量会在首次加载 modern 配置之前就被加载,这一改变解决了之前环境变量在某些情况下无法及时生效的问题。
这种改进对于需要根据环境变量动态调整构建配置的场景特别有用,比如根据不同的部署环境切换 API 端点或者功能开关。
Twin.macro 使用警告
对于使用 CSS-in-JS 方案的开发者,新版本增加了对 twin.macro v2 版本的警告提示。twin.macro 是一个结合了 Tailwind CSS 和 CSS-in-JS 的工具,v2 版本可能存在一些兼容性问题。这个警告可以帮助开发者及时发现潜在的样式问题。
插件系统升级
本次更新还对插件系统进行了重要升级:
-
将 _internalRuntimePlugins 和 _internalServerPlugins 这两个核心 hook 迁移到了 plugin-v2 架构中,这为后续的插件系统优化奠定了基础。
-
CLI 插件现在支持扩展配置工具函数(ExtendConfigUtils),这为插件开发者提供了更大的灵活性,可以更方便地扩展和修改构建配置。
问题修复
在问题修复方面,开发团队移除了 registerEsm 中对 esbuild 的注册逻辑,并修复了状态打印不正确的问题。这些改进提升了工具的稳定性和开发者体验。
总结
Modern.js v2.64.1 虽然在版本号上是一个小版本更新,但包含了对核心功能的多个重要改进。特别是配置加载机制的优化和插件系统的升级,为开发者提供了更好的开发体验和更灵活的扩展能力。这些改进也展示了 Modern.js 团队对框架现代化和开发者体验的持续关注。
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