Rspack v1.2.8 版本发布:内存优化与WASM编译支持
Rspack 是一个基于 Rust 的高性能前端构建工具,它结合了 Webpack 的生态优势和 Rust 语言的性能优势,旨在为现代前端开发提供更快的构建体验。在最新发布的 v1.2.8 版本中,Rspack 团队带来了多项重要改进,特别是在内存优化和 WebAssembly 支持方面取得了显著进展。
内存消耗优化
在 v1.2.8 版本中,Rspack 团队将 Mimalloc 内存分配器升级到了 v3 版本,专门针对 macOS 平台进行了优化。这一改进显著降低了重建过程中的内存消耗。根据用户实测数据,与 v1.2.7 相比,新版本在内存使用上实现了约 10% 的提升。
测试数据显示,在初始编译和 10 次热模块替换(HMR)后,v1.2.8 的内存使用量稳定在 3.66GB 到 3.72GB 之间,相比 v1.2.7 的 3.93GB 到 4.18GB 有了明显改善。这种内存优化对于大型项目尤为重要,能够显著提升开发体验,特别是在资源受限的开发环境中。
WebAssembly 编译支持
v1.2.8 版本新增了对 WebAssembly 模块的编译支持。这意味着开发者现在可以直接在 Rspack 项目中导入和使用 WASM 模块,无需额外的构建步骤或插件。这一特性为前端应用带来了更强大的计算能力,使得在浏览器中运行高性能代码成为可能。
其他重要改进
-
模块信息头插件:新增的模块信息头插件为开发者提供了更详细的模块构建信息,有助于调试和优化构建过程。
-
JSON 解析错误诊断:改进了 JSON 文件解析错误的诊断信息,当遇到 JSON 解析问题时,开发者将获得更清晰、更有帮助的错误提示。
-
版本哈希增强:增强了版本哈希功能,现在支持目录构建依赖,提高了构建缓存的准确性。
-
入口点 API 扩展:新增了
entrypoint.getEntrypointChunk()API,为开发者提供了更多控制入口点相关操作的能力。 -
HTML 插件改进:修复了 HTML 插件中
innerHTML内容未被正确包含在渲染资源标签中的问题。
开发者体验优化
除了核心功能的改进,v1.2.8 还包含多项提升开发者体验的优化:
- 改进了 CLI 工具的
preview命令,支持nodeEnv标志和默认环境设置 - 在项目创建模板中添加了
preview脚本并移除了cross-env依赖 - 修复了多个与模块解析和构建相关的问题
- 优化了测试运行策略,现在可以并行运行更多测试用例,提高了开发效率
总结
Rspack v1.2.8 版本在性能、功能和开发者体验方面都带来了显著提升。特别是内存优化的改进,使得在资源受限环境下的开发体验更加流畅。WebAssembly 支持的加入则为项目开启了新的可能性,让前端应用能够处理更复杂的计算任务。这些改进进一步巩固了 Rspack 作为现代前端构建工具的地位,为开发者提供了更高效、更强大的构建体验。
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-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