esm.sh v136 版本发布:JavaScript 模块加载服务的重大升级
esm.sh 是一个现代化的 JavaScript 模块 CDN 服务,它能够将 npm 包转换为原生 ES 模块格式,让开发者可以直接在浏览器中通过 import 语句使用 npm 上的各种库。这项服务极大地简化了前端开发中依赖管理的复杂性,特别是在不需要构建工具链的情况下快速使用第三方库。
近日,esm.sh 发布了 v136 版本,带来了多项重要更新和改进,包括对 JSR 和 pkg.pr.new 注册表的支持、依赖解析的语义化版本控制、内置 npm 包管理器、模块拆分优化等。这些变化不仅提升了性能,也改善了开发体验。
新增内置注册表支持
v136 版本新增了对两个重要 JavaScript 注册表的原生支持:
-
JSR 注册表:由 Deno 团队创建的开源包注册表,专为现代 JavaScript 和 TypeScript 设计。开发者现在可以直接通过 esm.sh 导入 JSR 上的包。
-
pkg.pr.new 注册表:由 StackBlitz Labs 创建的持续预览发布服务,允许开发者直接使用 GitHub 仓库中的最新代码,而不需要等待正式发布。
依赖解析的重大改进
本次版本对依赖解析机制进行了重要调整:
-
遵循语义化版本控制:之前版本使用固定版本号解析依赖,可能导致包更新时出现重复问题。现在改为使用语义化版本范围(如 ^19.0.0),更符合 npm 生态的标准做法。
-
移除构建版本前缀:为了简化 URL 结构并减少潜在的重复问题,v136 移除了模块路径中的构建版本前缀(如 /v135/)。虽然旧路径仍然有效,但新构建将默认使用无前缀的路径。
性能优化与架构改进
-
内置 npm 包管理器:用 Go 实现的内置 npm 包管理器取代了之前的 pnpm,使 CI 测试时间从 12 分钟缩短到 4.5 分钟,提升约 2.7 倍速度,同时消除了对 Node.js 和 pnpm 的依赖。
-
智能模块拆分:通过分析依赖树,在构建过程中自动拆分模块,减少重复代码并优化网络请求。当包的 exports 字段定义明确时,这一功能会自动启用。
运行时兼容性与优化
-
unenv 运行时兼容层:采用 unenv 作为 Node.js 运行时兼容层,提供了一系列 Node.js 和 Web 的 polyfill 和模拟工具,支持多种环境包括浏览器、Worker、Node.js、多种云服务 Workers 和 Deno。
-
npm 包替换机制:实现了类似 e18e 的 module-replacements 的 npm 包替换功能,在构建过程中将某些 polyfill 包替换为原生现代 API,例如将 object-assign 替换为 Object.assign。
配置与实验性功能
-
npm 作用域注册表配置:新增 npmScopedRegistries 配置项,允许为特定作用域的 npm 包定义自定义注册表、令牌等认证信息。
-
实验性功能:
- 支持直接构建 .vue 和 .svelte 文件
- 提供 https://esm.sh/x 特殊路径,使 TypeScript/JSX/Vue/Svelte 文件在浏览器中直接运行
其他重要变更
-
弃用功能:
- 移除了 build API
- 弃用了 Deno CLI 脚本,推荐使用 Deno 内置的包管理功能
-
技术升级:
- 升级 esbuild 到 0.24.2 版本
- 使用原生 cjs-module-lexer v1.0.7
- 默认使用 es2022 作为浏览器目标
- 用 globalThis 替代 window 以更好支持 Deno 2
-
新增配置选项:
- 支持 S3 兼容存储
- 新增 corsAllowOrigins 配置
- 添加 customLandingPage 配置
- 引入 npmQueryCacheTTL 配置
esm.sh v136 版本的这些改进显著提升了性能、兼容性和开发体验,使这个服务在现代 JavaScript 开发生态中继续保持领先地位。特别是对语义化版本的支持和模块拆分优化,将有效减少生产环境中的代码重复问题。
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