Rspack v1.3.10 发布:运行时代码的 Source Map 支持与多项优化
Rspack 是一个基于 Rust 的高性能 JavaScript 构建工具,它结合了 Webpack 的灵活性和 Rust 的高效性能,为现代前端开发提供了更快的构建体验。在最新发布的 v1.3.10 版本中,Rspack 带来了一些重要的功能增强和性能优化,特别是对运行时代码的 Source Map 支持,这将显著提升开发者的调试体验。
运行时代码的 Source Map 支持
本次更新的亮点之一是 Rspack 现在能够为运行时代码生成 Source Map。运行时代码是 Rspack 在打包过程中自动注入的代码,用于处理模块加载、代码分割等核心功能。在过去,这些代码由于没有对应的 Source Map,调试起来相当困难。
有了这项新功能,开发者现在可以:
- 在生产环境中更准确地定位运行时错误
- 在开发环境中获得更完整的调试体验
- 通过 Source Map 直接查看运行时代码对应的原始位置
这项改进特别适合大型项目,其中运行时错误往往难以追踪。现在开发者可以像调试应用代码一样调试运行时逻辑,大大提升了问题诊断的效率。
其他重要功能更新
增强的 WASM 支持
Rspack 现在支持在 WebAssembly 版本中使用 tracing-chrome 功能,这为性能分析和调试提供了更多可能性。开发者可以更深入地了解构建过程中的性能瓶颈。
CSS 解析器配置增强
新增了 url 配置选项到 CSS 解析器,允许开发者更灵活地控制 CSS 中 URL 的处理方式。这对于需要特殊处理资源引用的项目特别有用。
模块上下文支持
import.meta.webpackContext 现在支持 include 和 exclude 选项,这使得动态导入更加灵活可控。开发者可以更精确地指定需要包含或排除的模块。
二进制资源生成支持
资源生成器现在支持二进制选项,为处理非文本资源提供了更好的支持。这对于需要处理图片、字体等二进制资源的项目是一个重要改进。
性能优化与问题修复
本次发布还包含多项性能优化和问题修复:
-
动态导入 Node.js 检查器:通过动态导入 Node.js 的检查器模块,减少了启动时的性能开销。
-
环境配置修复:修复了
environment.dynamicImport配置对 chunk 格式和加载方式的影响问题,确保配置的一致性。 -
__dirname评估修复:当配置为 false 时,现在能正确避免评估typeof __dirname,解决了相关的问题。 -
脚本加载运行时模块修复:修正了
dataWebpackPrefix在脚本加载运行时模块中的行为。
开发者体验改进
除了核心功能的增强,本次更新还包含多项提升开发者体验的改进:
-
更好的默认 browserslist 目标:create-rspack 模板现在提供了更合理的默认 browserslist 配置,减少了新项目的配置工作。
-
TypeScript 类型增强:导出了
PitchLoaderDefinitionFunction类型,为 loader 开发者提供了更好的类型支持。 -
SRI 插件灵活性:现在可以不带选项使用 SRI 插件,简化了基本使用场景。
-
SWC 升级:升级到了 SWC v23.2.0,并移除了不再需要的
swc_parallel依赖。
总结
Rspack v1.3.10 通过引入运行时代码的 Source Map 支持,显著提升了调试体验。同时,多项新功能和问题修复进一步增强了工具的稳定性和灵活性。这些改进使得 Rspack 在保持高性能的同时,提供了更完善的开发者体验,特别是在大型项目中的表现更加出色。
对于现有用户,建议升级到这个版本以获得更好的调试支持和性能优化。对于新用户,现在是一个很好的时机来尝试 Rspack,体验其快速构建和日益完善的特性集。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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