InfernoJS v9.0.0 发布:现代化前端框架的重大升级
InfernoJS 是一个高性能的前端 JavaScript 框架,以其极快的渲染速度和轻量级的体积著称。它采用虚拟 DOM 技术,但通过精心优化实现了比 React 更快的性能表现。Inferno 特别适合需要高性能渲染的复杂应用场景。
重大变更与现代化改造
Inferno v9.0.0 是一个重要的维护版本,标志着框架向现代 JavaScript 生态系统的全面靠拢。这个版本移除了对老旧浏览器的支持,包括 Internet Explorer,同时清理了过时的编码模式。
最显著的变化是移除了 inferno-create-class 模块。开发者现在应该使用 createComponentVNode 或 createElement API 作为替代。如果你之前使用 createClass 来包装可观察类,现在可以通过扩展 Inferno 的 Component 类来实现相同功能。
新版本要求运行环境必须支持以下现代 JavaScript 特性:
- Promise
- 字符串的 includes() 和 startsWith() 方法
- 数组的 includes() 方法
- 对象展开运算符
此外,两个配置选项被移除:
options.componentComparatoroptions.renderComplete(可以通过在渲染后调用自定义函数实现相同效果)
模块系统改进
Inferno v9 对 ES 模块系统进行了标准化改造:
- 移除了
inferno.esnext.js包 - 将 ES 模块扩展名统一改为
.mjs inferno.esm.js重命名为inferno.mjsinferno.dev.esm.js重命名为inferno.dev.mjs
开发者需要相应调整构建配置。例如在 Webpack 中,现在可以这样配置别名:
resolve: {
alias: {
'inferno': isProduction ? 'inferno/dist/index.mjs' : 'inferno/dist/index.dev.mjs'
}
}
核心改进
Inferno 核心部分有多项重要改进:
- 重新设计了开发模式下的警告系统,提供更清晰的调试信息
- 移除了针对 Firefox 的点击事件传播 hack,简化了事件处理逻辑
- 移除了对
hoist-non-inferno-statics的依赖 - 大幅改进了 TypeScript 类型定义
路由与服务器渲染
路由部分:
- 将
path-to-regexp-es6替换为path-to-regexp,修复了已知问题并解决了兼容性问题
服务器渲染:
- 修复了空 style 属性的渲染问题,确保生成的 HTML 更加规范
新工具链支持
Inferno 生态新增了 swc-plugin-inferno 插件,它能够:
- 编译 JSX 和 TSX 语法为 Inferno 特定的虚拟节点
- 相比现有插件显著提升编译速度
- 利用 TypeScript 类型信息进行优化
性能测试表明,使用 SWC 插件后,Inferno 测试套件的编译时间大幅缩短,相比 Babel 有显著优势。
开发工具更新
Inferno 现在全面支持 ESLint v9:
eslint-plugin-inferno已更新支持新的扁平配置- 主仓库现在也使用这个插件来检查测试文件
全新入门模板
官方提供了一个更新后的入门模板,展示了如何将 Inferno v9 与现代工具链集成:
- Webpack v5
- TypeScript v5
- SWC v1
- Tailwind v4
- PostCSS v8
- ESLint v9
这个模板为开发者提供了构建现代 Inferno 应用的最佳实践参考。
升级建议
对于现有项目,升级到 v9 需要注意:
- 检查并替换所有
createClass用法 - 更新构建配置以适配新的模块命名
- 确保目标环境支持所需的 JavaScript 特性
- 考虑迁移到新的 SWC 插件以获得更好的构建性能
Inferno v9 的这些改进使框架更加现代化,同时保持了其一贯的高性能特点,是构建复杂前端应用的优秀选择。
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