TinyBench 4.0 发布:ESM 专属版本与任务生命周期增强
2025-06-24 22:16:42作者:田桥桑Industrious
TinyBench 是一个轻量级的 JavaScript 性能基准测试库,专为现代 JavaScript 应用设计。它提供了简单直观的 API 来测量和比较代码执行性能,帮助开发者识别性能瓶颈并进行优化。最新发布的 4.0 版本带来了两项重要更新:全面转向 ESM 模块系统,以及增强了任务生命周期的控制能力。
ESM 专属版本
TinyBench 4.0 最大的变化是彻底移除了对 CommonJS 的支持,成为一个纯粹的 ESM(ECMAScript Modules)模块。这一变化反映了 JavaScript 生态系统的演进趋势,ESM 已经成为现代 JavaScript 开发的标准模块系统。
对于使用者来说,这意味着:
- 必须使用支持 ESM 的 Node.js 版本(v12+)
- 导入方式需要调整为 ESM 的
import语法 - 不再支持
require()方式导入
这一变化虽然带来了短暂的迁移成本,但从长远来看有以下优势:
- 更好的静态分析和 tree-shaking 支持
- 更清晰的模块边界
- 与浏览器原生模块系统保持一致
- 更符合现代 JavaScript 开发实践
任务生命周期增强
4.0 版本对任务的生命周期钩子进行了重要改进,现在 setup 和 teardown 钩子的函数签名变得更加灵活。这些钩子现在可以接收可选的 task 和 mode 参数,为不同场景下的基准测试提供了更精细的控制能力。
具体改进包括:
setup和teardown钩子现在可以只关注它们真正需要的参数- 新增了
mode参数,可以区分 warmup(预热)和 actual(实际测试)阶段 - 提供了更清晰的类型定义,方便 TypeScript 用户
这些改进使得开发者能够:
- 为不同阶段(预热/实际测试)定制不同的准备和清理逻辑
- 更精确地控制测试环境
- 编写更清晰、更专注的生命周期代码
升级建议
对于现有项目升级到 TinyBench 4.0,建议采取以下步骤:
- 确保项目环境支持 ESM(Node.js 12+ 并配置正确的 package.json type 字段)
- 将所有
require('tinybench')改为import { Bench } from 'tinybench' - 检查现有的
setup/teardown钩子,根据新的函数签名进行调整 - 考虑利用新的
mode参数优化测试流程
对于新项目,可以直接采用 4.0 版本享受这些改进带来的好处。
TinyBench 4.0 的这些变化体现了项目对现代 JavaScript 开发实践的拥抱,同时也为性能测试提供了更强大的工具集。这些改进将帮助开发者编写更准确、更可靠的性能基准测试,从而构建出性能更优的应用程序。
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
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 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 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
245
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
暂无简介
Dart
672
157
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++
662
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥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
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218