Rspack v1.3.12 版本发布:性能优化与新特性解析
Rspack 是一个基于 Rust 的高性能 JavaScript 构建工具,它结合了 Webpack 的生态系统和 Rust 的高效性能,为现代前端开发提供了更快的构建速度和更好的开发体验。本次发布的 v1.3.12 版本带来了一系列性能优化、新功能和错误修复,进一步提升了开发者的使用体验。
性能优化亮点
本次版本在性能方面做了显著改进。开发团队通过延迟加载 watchpack 和一些 Node.js 内置模块,有效减少了初始加载时间。watchpack 是 Webpack 生态中用于文件监视的核心组件,延迟加载策略意味着只有在真正需要时才加载这些模块,从而降低了启动时的内存占用和加载时间。
此外,移除了对 Node 10 的兼容性代码,这有助于减少代码体积并提高运行效率。随着 Node.js 生态的发展,放弃对老旧版本的支持可以让开发者专注于优化现代环境下的性能表现。
新特性解析
NAPI 支持升级
本次更新将 NAPI(Node-API)支持升级到了 beta 版本。NAPI 是 Node.js 提供的用于构建原生插件的稳定 API 层,这次升级意味着 Rspack 在原生模块集成方面更加成熟稳定。新增的支持返回自定义错误代码功能,为开发者提供了更灵活的错误处理机制。
SWC 编译器增强
SWC 编译器 API 增加了 diagnostics 字段到 TransformOutput 中。这个改进使得开发者能够获取更详细的转换诊断信息,有助于调试和优化构建过程。同时修复了在使用 WASM 插件时没有 tokio 运行时的 panic 问题,提高了稳定性。
Rstest 内置插件初始化
新版本中初始化了 Rstest 内置插件。Rstest 是一个 Rust 测试框架,这一集成将为 Rust 开发者提供更便捷的测试体验,进一步巩固了 Rspack 在 Rust 生态中的地位。
重要错误修复
本次版本修复了多个影响开发体验的问题:
- 修复了 ES 模块规范依赖的解构属性混淆问题,确保了代码压缩后的正确性。
- 解决了 CSS 预加载和预取功能的异常问题,优化了资源加载策略。
- 修正了 HMR(热模块替换)更新后获取优先级丢失的问题,提升了开发体验的流畅度。
- 修复了源映射调试 ID 在 eval 模式下的问题,增强了调试能力。
- 解决了当目标为 webworker 时缺少导入脚本运行时的问题,确保了在各种环境下的兼容性。
构建系统改进
在构建系统方面,修复了 HTTP 构建重定向到另一个 URL 的问题,并改进了清理选项的执行逻辑,现在会在读取前检查目录是否存在,避免了潜在的错误。这些改进使得构建过程更加健壮可靠。
开发者体验优化
文档方面也有多项更新,包括改进 devtool 文档、添加 copy 插件的 JSDoc 信息等,帮助开发者更好地理解和使用各种功能。同时加入了更多实际使用 Rspack 的项目案例,展示了其在生产环境中的应用情况。
总结
Rspack v1.3.12 版本通过性能优化、新功能添加和错误修复,进一步提升了构建效率和开发者体验。特别是 NAPI 支持的升级和 SWC 编译器的增强,为高级用户提供了更多可能性。随着 Rust 在前端工具链中的普及,Rspack 正逐步成为一个值得关注的高性能构建工具选择。
对于正在使用或考虑使用 Rspack 的团队,这个版本值得升级,特别是那些关注构建性能和现代 JavaScript 特性的项目。开发团队持续关注开发者反馈并快速迭代的态度,也预示着 Rspack 生态的健康发展前景。
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