Lighthouse v12.5.0 版本发布:JavaScript 检测优化与性能洞察增强
项目简介
Lighthouse 是 Google 开源的一款自动化网站质量评估工具,广泛应用于 Web 性能优化领域。它能够对网页进行全面的审计,包括性能、可访问性、最佳实践等多个维度,并提供详细的改进建议。作为 Chrome DevTools 的核心组件之一,Lighthouse 帮助开发者快速识别和解决网站性能瓶颈。
版本亮点
Lighthouse v12.5.0 带来了多项重要更新,主要集中在 JavaScript 代码检测算法的改进和新的性能洞察功能上。这些改进使得开发者能够更准确地识别影响网站性能的问题,并获得更实用的优化建议。
JavaScript 检测优化
传统 JavaScript 检测升级
本次版本最重要的改进之一是对 legacy-javascript 审计的更新。该功能现在基于 Baseline 而非 esmodules 来判断哪些代码属于"传统"JavaScript。这一变化使得检测结果更加符合现代 Web 开发的实际情况,能够更准确地识别出可能影响性能的老旧代码。
构建工具支持增强
v12.5.0 版本显著增强了对现代构建工具生成代码的识别能力:
- Rollup 支持:现在能够更好地识别 Rollup 打包生成的代码
- esbuild 支持:新增对 esbuild 构建结果的检测能力
- 未压缩代码检测:改进了对未压缩代码的识别算法
- 转换检测优化:提升了代码转换过程的检测准确性
这些改进使得 Lighthouse 能够更全面地分析现代前端构建工具链生成的 JavaScript 代码,为开发者提供更精准的性能优化建议。
重复代码检测调整
duplicated-javascript 审计的阈值从 1 KiB 提高到了 10 KiB。这一调整减少了误报,使得开发者能够更专注于真正影响性能的重复代码问题。
性能洞察功能增强
新增缓存使用洞察
v12.5.0 引入了 use-cache-insight 功能,帮助开发者分析网站对浏览器缓存的使用情况。这项洞察能够识别出未能充分利用缓存的资源,指导开发者优化缓存策略。
强制回流检测
新版本实现了强制回流(forced reflow)的检测功能。强制回流是导致页面性能下降的常见原因之一,这项洞察能够帮助开发者识别并修复相关性能问题。
字体显示优化
新增的字体显示(font display)洞察能够检测网页中可能影响用户体验的字体加载问题,如布局偏移或文本闪烁等,并提供优化建议。
底层架构改进
跟踪引擎升级
Lighthouse 底层依赖的 trace_engine 升级到了 0.0.47 版本,带来了更精确的性能追踪能力。新版本还支持将源映射传递给跟踪引擎,使得性能分析结果更加准确。
国际化支持增强
改进了国际化(i18n)功能,使 Lighthouse 的审计结果能够更好地适应不同语言环境。特别是将跟踪引擎的国际化功能适配到了 Lighthouse 的国际化模型中。
开发者体验优化
测试稳定性提升
修复了本地 Mocha 测试中 isUnderTest 设置不正确的问题,提高了测试的可靠性。同时解决了 Node 20.19 中的国际化格式问题。
代码结构优化
将支持文件移动到更合理的目录结构(core/lib/legacy-javascript),提高了代码的可维护性。提取了传统 JavaScript 检测逻辑到核心库中,使代码组织更加清晰。
总结
Lighthouse v12.5.0 通过改进 JavaScript 检测算法和增强性能洞察功能,为开发者提供了更强大的网站性能优化工具。特别是对现代构建工具链的支持和对缓存、回流等关键性能问题的深入分析,使得开发者能够更精准地识别和解决性能瓶颈。这些改进将帮助开发者构建更快、更高效的 Web 应用,提升最终用户的体验。
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