Copy Webpack Plugin v13.0.0 发布:更轻量的依赖与性能优化
Copy Webpack Plugin 是 Webpack 生态中一个非常实用的插件,它能够将文件或目录从指定位置复制到构建输出目录中。这个插件在前端构建过程中经常被用于处理静态资源、配置文件等需要原样输出的内容。
重大变更:从 globby/fast-glob 迁移到 tinyglobby
本次 v13.0.0 版本最核心的变化是内部依赖的调整。开发团队决定从原先使用的 globby 和 fast-glob 迁移到更轻量的 tinyglobby 库。
变更背景
globby 和 fast-glob 都是 Node.js 生态中非常流行的文件模式匹配库,它们提供了强大的 glob 模式匹配功能。然而,这些库的功能对于 Copy Webpack Plugin 来说可能有些"过重",包含了插件并不需要的额外功能。
tinyglobby 是一个更轻量级的替代方案,它保留了核心的 glob 匹配功能,同时减少了不必要的依赖和代码体积。这种优化对于构建工具来说尤为重要,因为更小的依赖意味着更快的安装速度和更少的潜在问题。
迁移影响
这一变更主要影响那些在 globOptions 配置中使用了 gitignore 和 ignoreFiles 选项的开发者。在新版本中,这些选项已被移除,开发者需要迁移到 tinyglobby 提供的 ignore 选项。
迁移建议
如果你之前使用了类似这样的配置:
{
globOptions: {
gitignore: true,
ignoreFiles: ['.eslintignore']
}
}
现在应该改为:
{
globOptions: {
ignore: ['**/.git/**', '**/.eslintignore']
}
}
其他改进
并发限制优化
v13.0.0 还对并发处理进行了优化。现在,concurrency 选项将只限制文件操作的并发数量,而不是整个处理流程的并发。这意味着插件在处理大量文件时能够更有效地利用系统资源,提高构建速度。
模式顺序保持
新版本还修复了一个关于模式顺序的问题。现在,插件会严格遵循开发者提供的模式顺序来处理文件。这在某些特殊场景下非常重要,比如当文件匹配多个模式时,处理顺序可能会影响最终结果。
升级建议
对于大多数用户来说,这次升级应该是相对平滑的,除非你确实使用了被移除的 globOptions 选项。升级时建议:
- 检查项目中是否使用了 gitignore 或 ignoreFiles 选项,如有则按照上述建议进行修改
- 测试构建过程,特别是涉及复杂文件匹配的场景
- 关注构建性能,新的 tinyglobby 依赖可能会带来轻微的性能提升
这次变更体现了 Webpack 生态持续优化的趋势,通过精简依赖和优化核心功能,为开发者提供更高效、更可靠的构建体验。
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-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