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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00