Rsbuild v1.4.0-beta.3 版本深度解析
Rsbuild 是一个基于 Rspack 的现代化前端构建工具,它通过提供开箱即用的配置和优化的构建流程,帮助开发者快速搭建高性能的前端应用。本次发布的 v1.4.0-beta.3 版本带来了一系列值得关注的新特性、性能优化和问题修复。
核心特性升级
本次更新最值得关注的是对 Rspack 核心依赖的升级,Rsbuild 现在支持最新的 @rspack/core v1.4.0-beta.0 版本。这一升级意味着开发者可以享受到 Rspack 最新版本带来的构建性能改进和新特性支持。
在类型系统方面,新增了普通 CSS 模块的类型声明支持。这一改进使得在使用 CSS Modules 时,TypeScript 能够提供更准确的类型提示和检查,提升了开发体验。
性能优化亮点
Rsbuild 团队在此版本中进行了多项性能优化工作。首先移除了 dotenv 依赖项,转而使用自定义的解析函数来处理环境变量文件。这一改动减少了项目依赖,降低了构建工具的启动开销。
另一个值得注意的优化是对 Node.js crypto 模块的懒加载处理。通过延迟加载这个较大的核心模块,Rsbuild 进一步优化了启动性能,特别是在冷启动场景下效果更为明显。
问题修复与改进
在模板生成方面,修复了 create-rsbuild 工具中 env.d.ts 文件在某些模板中缺失的问题,确保了 TypeScript 环境变量类型声明的完整性。同时修正了 react18-ts 预设中 ESLint 模板名称的错误。
对于 Sass 用户,解除了对 sass-embedded 的固定版本限制,并更新到了最新的 v1.89.2 版本,解决了潜在的兼容性问题。
开发体验提升
在 TypeScript 支持方面,Rsbuild 现在默认启用了 verbatimModuleSyntax 选项,这一特性可以更精确地控制模块导入/导出的行为。同时,项目模板中也启用了 noUncheckedSideEffectImports 选项,增强了类型检查的严格性。
文档方面也进行了多项更新,包括补充了服务器 CORS 配置的默认值说明,改进了移动端适配的文档展示,并完善了迁移指南中的钩子函数说明。
测试基础设施升级
测试框架方面,Rsbuild 开始采用 Rstest 作为新的测试框架,这一变化预示着项目在测试覆盖率和稳定性方面的持续投入。同时,测试用例中对 SRI 插件警告日志的处理也进行了优化,使得测试输出更加清晰。
总结
Rsbuild v1.4.0-beta.3 版本在构建性能、类型支持和开发体验等方面都做出了显著改进。这些变化不仅提升了工具本身的稳定性和效率,也为开发者提供了更加完善的开发环境。随着 Rspack 生态的持续发展,Rsbuild 作为其上层工具链的重要组成部分,正在快速成熟并展现出强大的竞争力。
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