Rspack v1.3.2 版本发布:并行加载器增强与WASI支持
Rspack 是一个基于 Rust 的高性能 JavaScript 构建工具,它结合了 Webpack 的丰富功能和 Rust 语言的性能优势。Rspack 旨在为现代前端开发提供更快的构建速度和更好的开发体验。最新发布的 v1.3.2 版本带来了一些重要的功能增强和错误修复。
并行加载器功能增强
本次更新中,Rspack 对并行加载器(loader-parallel)进行了两项重要改进:
-
LoaderContext API 扩展支持:现在并行加载器可以支持更多的 LoaderContext API,这使得开发者在编写自定义加载器时能够使用更丰富的功能接口。LoaderContext 是加载器执行时的上下文环境,提供了许多实用的方法和属性。
-
文件系统访问支持:新增了对
LoaderContext.fs作为node:fs的支持。这意味着加载器现在可以直接使用 Node.js 的文件系统模块来读写文件,为加载器开发者提供了更大的灵活性。这一改进特别适合需要复杂文件操作的场景,如资源处理或文件转换。
WASI 运行时支持
Rspack v1.3.2 引入了对 WASI (WebAssembly System Interface) 的支持,这是一个重要的功能扩展。WASI 是一种标准接口,允许 WebAssembly 代码以安全的方式与系统资源交互。通过这一支持:
- 开发者可以在 Rspack 构建流程中使用 WebAssembly 模块
- 实现了与 Node.js 环境的 WASI 兼容性
- 为性能敏感型任务提供了新的优化可能性
这一特性为 Rspack 生态系统打开了 WebAssembly 的大门,使得开发者可以将高性能的 WebAssembly 模块集成到构建流程中。
稳定性改进与错误修复
本次版本还包含多项稳定性改进:
-
增量重建优化:修复了在增量重建时确保缓存存在性的问题,提高了构建的可靠性。增量重建是提升开发效率的关键功能,这一修复确保了在快速迭代时的构建稳定性。
-
命名块ID稳定性:改进了命名块ID的生成算法,使其更加稳定可靠。块ID的稳定性对于长期项目的维护和缓存策略都非常重要。
-
运行时需求处理:修复了多个运行时需求在树形结构中 JavaScript 钩子调用的问题,确保了构建过程的正确性。
-
块合并逻辑优化:改进了块创建根节点的合并逻辑,避免了后期不必要的块合并操作,提升了构建效率。
文档与基础设施更新
除了功能改进外,本次更新还包括:
- 新增了 Next.js 基础指南文档,帮助开发者更好地将 Rspack 与 Next.js 框架集成
- 多项依赖项更新,包括 Babel 升级到 v7.27.0 版本
- 内部代码重构,提升了代码质量和可维护性
Rspack v1.3.2 的这些改进进一步巩固了其作为现代前端构建工具的地位,特别是在性能和功能扩展方面。对于正在寻找 Webpack 替代方案或需要更高构建性能的团队来说,这个版本值得关注和尝试。
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