tsup v8.5.0 版本发布:CJS类型转换与SWC配置增强
tsup 是一个基于 esbuild 的零配置 TypeScript 打包工具,它简化了 TypeScript 项目的构建流程,支持开箱即用的 TypeScript、ESM 和 CommonJS 模块打包。近日,tsup 发布了 8.5.0 版本,带来了两项重要功能改进和两个关键问题修复。
核心功能改进
CJS 模块类型定义优化
新版本引入了 fix-dts-default-cjs-exports 工具来处理 CommonJS 模块的类型定义转换。这一改进解决了 CJS 模块在 TypeScript 类型系统中的兼容性问题。当开发者使用 tsup 打包 CommonJS 模块时,工具会自动转换生成的类型定义文件(.d.ts),确保导出的类型与 CommonJS 模块的实际导出行为保持一致。
增强的 SWC 插件配置
8.5.0 版本为 swcPlugin 增加了自定义配置支持。SWC 是一个基于 Rust 的超快 JavaScript/TypeScript 编译器,现在开发者可以更灵活地控制 SWC 的编译行为。通过传递自定义配置,可以针对特定项目需求调整 SWC 的转换规则,如自定义语法转换、代码优化等。
关键问题修复
Node 协议移除与垫片兼容性
修复了 removeNodeProtocol 功能与 shims 的兼容性问题。在之前的版本中,当同时启用 node: 协议移除和垫片功能时,可能会产生意外的构建结果。新版本确保了两项功能的协同工作,使开发者能够安全地移除现代 Node.js 的 node: 协议前缀,同时保持垫片功能的完整性。
监视模式下的公共目录复制
解决了在监视(watch)模式下 copyPublicDir 功能的行为问题。之前版本在文件变更触发重新构建时,公共目录的文件可能不会被正确复制。8.5.0 版本确保了在监视模式下,公共目录的内容能够被实时同步到输出目录,提升了开发体验。
技术影响分析
这些改进使得 tsup 在以下场景中表现更佳:
- 对于需要同时支持 ESM 和 CJS 的库作者,类型定义转换功能减少了手动调整类型定义的工作量。
- 需要精细控制编译过程的高级用户,现在可以通过 SWC 自定义配置实现更复杂的编译需求。
- 使用监视模式开发的开发者将获得更稳定的文件同步体验。
tsup 持续保持着对开发者体验的关注,这些改进进一步巩固了它作为轻量级 TypeScript 打包工具的地位。对于追求简单配置和快速构建的项目,tsup 8.5.0 版本提供了更完善的功能支持。
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-1.5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