Rhino 1.8.0发布:JavaScript引擎的重大升级
项目简介
Rhino是由Mozilla开发的一个纯Java实现的JavaScript引擎,它能够将JavaScript代码编译成Java字节码运行在JVM上。作为一个成熟的JavaScript实现,Rhino在企业应用、服务器端脚本、Android开发等多个领域都有广泛应用。本次1.8.0版本的发布标志着这个项目在沉寂多年后迎来了一次重大更新。
核心升级内容
Java版本要求提升
Rhino 1.8.0将最低Java版本要求提升至Java 11,这是该项目发展历程中的一个重要里程碑。开发团队表示目前已在Java 11、17和21上进行了充分测试。这一变化使得Rhino能够充分利用现代Java平台的新特性,同时也反映了Java生态系统的整体演进趋势。
模块化架构重构
本次版本最显著的变化之一是代码结构的全面重构。Rhino现在采用了标准的Java模块系统,将功能拆分为多个独立的模块:
- 核心模块(rhino)包含基础引擎功能
- 其他辅助模块提供特定功能支持
- 仍保留了传统的"rhino-all"单一JAR包以兼容旧系统
这种模块化设计不仅提高了代码的组织性和可维护性,还让开发者能够更灵活地选择所需功能,减少不必要的依赖。
语言特性增强
Rhino 1.8.0默认启用了ES6语言级别支持,这意味着现代JavaScript特性将开箱即用。新版本在语言兼容性方面取得了显著进步:
- 完整支持
super关键字 - 实现了Reflect和Proxy API
- 新增计算属性支持
- 改进了生成器函数
- 支持逻辑赋值运算符(||=, &&=, ??=)
- 实现了可选链操作符(?.)
这些改进使得Rhino能够更好地运行现代JavaScript代码,缩小了与其他主流引擎的差距。
性能优化与内部改进
字节码生成优化
开发团队对字节码生成进行了多项优化:
- 引入了invokedynamic指令支持
- 优化了数学运算的运行时性能
- 重构了对象字面量创建逻辑
- 简化了优化级别配置
这些改动显著提升了脚本执行效率,特别是在复杂运算场景下。
内存与并发改进
- 使用更高效的SlotMap接口管理对象属性
- 移除了过时的ObjArray等数据结构
- 修复了ThreadSafeSlotMapContainer中的死锁问题
- 优化了标准对象初始化流程
这些内部改进不仅提升了性能,也增强了在高并发环境下的稳定性。
开发者工具与调试支持
新版本在开发者体验方面也有多项改进:
- 控制台输出现在会自动刷新
- 调试器支持ES6特性和require语法
- AST节点增加了列号信息
- 改进了错误堆栈跟踪
- 优化了编译类文件的源映射
这些改进使得在Rhino上开发和调试JavaScript应用更加便捷。
测试与质量保证
为确保版本质量,团队采取了多项措施:
- 引入了代码覆盖率报告
- 更新了test262测试套件
- 添加了JUnit 5支持
- 采用errorprone替代Spotbugs进行静态分析
- 新增了启动时间基准测试
这些工作显著提升了代码质量和兼容性保证。
总结
Rhino 1.8.0是一次全面的升级,不仅带来了现代JavaScript特性支持,还在架构、性能和开发者体验方面做出了重大改进。通过采用Java模块系统、优化内部实现和增强语言兼容性,这个历史悠久的项目焕发了新的活力。对于需要在JVM上运行JavaScript的开发者来说,这次升级提供了更强大、更现代化的工具选择。
特别值得一提的是,这次版本凝聚了24位贡献者的努力,其中包含多位新加入的开发者,展现了Rhino社区的活跃度和持续发展潜力。随着JavaScript语言的不断演进,我们可以期待Rhino在未来带来更多创新和改进。
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