Rspack v1.3.8 版本发布:SWC API 集成与多项优化
Rspack 是一个基于 Rust 的高性能构建工具,它结合了 Webpack 的生态系统和 Rust 的高效性能。作为现代前端构建工具链中的重要一环,Rspack 致力于提供更快的构建速度和更好的开发者体验。
核心亮点:SWC JavaScript API 集成
本次 v1.3.8 版本最引人注目的特性是实验性地暴露了 SWC 的 JavaScript API。开发者现在可以通过 rspack.experiments.swc 直接调用 SWC 的转换和压缩功能,而无需额外安装 @swc/core 包。
这一集成意味着开发者可以在 Rspack 构建流程中直接利用 SWC 的强大能力,包括:
- 代码转换(transform)
- 代码压缩(minify)
- 其他 SWC 提供的编译功能
这种深度集成为开发者提供了更统一的工具链体验,减少了项目依赖的复杂性,同时也保持了构建流程的高性能特性。
构建优化与功能增强
增量构建改进
-
静默警告与预设添加:增量构建过程中现在会静默某些警告信息,并添加了新的预设配置,使开发者能够更专注于关键问题。
-
调试追踪增强:新增了更多追踪点,帮助开发者更有效地调试增量构建过程中的问题,特别是在复杂项目中定位性能瓶颈。
输出清理功能增强
output.clean 配置现在支持正则表达式和函数形式,为开发者提供了更灵活的清理策略。这意味着可以:
- 使用正则表达式匹配特定文件模式进行清理
- 通过函数逻辑动态决定是否清理特定文件
- 实现更精细化的构建产物管理
模块系统改进
-
chunkgroup 的 origin.loc 支持:增强了 chunkgroup 的元信息,提供了更详细的来源定位信息,有助于开发者理解模块分割的决策过程。
-
魔法注释中的斜杠匹配修复:修正了 magic comments 中斜杠字符的匹配模式问题,提高了模块加载注释的可靠性。
问题修复与稳定性提升
-
版本信息修正:修复了版本输出中错误显示 webpack 版本而非 rspack 版本的问题,确保了工具信息的准确性。
-
循环依赖处理:解决了 circular dependency plugin 中可能出现的死循环问题,提高了构建过程的稳定性。
-
内存管理优化:修复了编译器 JavaScript 对象无法被垃圾回收的问题,降低了长时间运行时的内存占用。
-
上下文依赖处理:修正了某些情况下上下文依赖缺失的问题,确保了模块解析的正确性。
开发者体验改进
-
文档增强:
- 新增了
require.resolveWeak模块方法的文档说明 - 改进了 CSS Modules 相关的文档内容
- 添加了关于 lightningcss 的注意事项说明
- 新增了
-
测试覆盖增强:
- 新增了错误情况下的测试用例
- 清理了完整的快照统计 API 测试用例
- 添加了特定问题的测试用例
内部架构优化
-
SWC API 集成重构:将 SWC API 更深度地集成到 rspack_javascript_compiler 中,为未来的功能扩展奠定了基础。
-
CI/CD 流程改进:
- 优化了 Rust 缓存处理
- 合并了 Rust 检查和测试任务
- 尝试了自托管测试环境
-
依赖管理:
- 移除了未使用的 webpack-cli 依赖
- 更新了多个关键依赖版本
- 改进了 Zod 类型的处理方式
总结
Rspack v1.3.8 版本通过集成 SWC API 进一步巩固了其作为现代化构建工具的地位,同时通过多项优化提升了构建性能和开发者体验。这些改进使得 Rspack 在保持高性能的同时,提供了更丰富的功能和更稳定的构建环境,为大型前端项目的构建流程提供了可靠的支持。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
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