Rsbuild v1.4.0-beta.0 版本发布:环境变量增强与性能优化
Rsbuild 是一个现代化的前端构建工具,它基于 Rspack 构建引擎,旨在为开发者提供高效、灵活的构建体验。Rsbuild 通过简化的配置和优化的构建流程,帮助开发者快速构建高质量的 Web 应用。最新发布的 v1.4.0-beta.0 版本带来了一系列新特性和改进,特别是在环境变量处理和构建性能方面有了显著提升。
环境变量处理能力增强
本次版本最重要的改进之一是环境变量处理能力的增强。Rsbuild 现在提供了更灵活的方式来获取环境上下文信息。开发者可以通过环境 API 直接访问环境变量,这为构建过程中的条件逻辑处理提供了更多可能性。
在实际开发中,我们经常需要根据不同的环境(如开发环境、测试环境、生产环境)来调整构建行为。新版本通过增强的环境变量支持,使得这种环境相关的配置更加直观和易于管理。同时,为了确保安全性,Rsbuild 现在会对环境变量名称进行严格的验证,防止潜在的安全风险。
模块编译范围扩展
另一个值得关注的改进是对模块编译范围的扩展。Rsbuild 现在支持通过 SWC 编译项目外部的模块,这一特性对于使用 monorepo 架构或依赖本地开发的第三方库的项目特别有用。传统构建工具通常只处理项目目录内的代码,而这一改进使得 Rsbuild 能够更灵活地处理各种代码组织结构。
性能优化措施
在性能方面,v1.4.0-beta.0 版本也做出了重要调整。默认情况下,Rsbuild 现在会禁用进度条显示,这一改变虽然看似微小,但在大型项目中能够显著减少构建时的开销。进度条虽然提供了视觉反馈,但其计算和更新过程本身也会消耗一定的系统资源,对于追求极致构建速度的项目来说,禁用进度条是一个合理的权衡。
构建输出优化
Rsbuild 在构建输出方面也进行了多项改进。现在,构建结果中会正确显示 markdown 文件的 gzip 压缩大小,帮助开发者更好地评估资源体积。同时,为了避免潜在的文件系统问题,Rsbuild 会确保输出配置文件名中不包含冒号等特殊字符。
文档完善
除了功能改进外,Rsbuild 团队也对文档进行了全面更新。文档现在使用了更清晰的术语和表达方式,特别是在解释编译范围和浏览器兼容性查询等方面。这些改进使得新用户能够更快上手 Rsbuild,同时也为有经验的开发者提供了更准确的参考信息。
总结
Rsbuild v1.4.0-beta.0 版本在环境变量处理、模块编译范围和构建性能等方面都做出了重要改进。这些变化不仅提升了构建工具的灵活性和效率,也为开发者提供了更好的使用体验。对于正在考虑使用或已经使用 Rsbuild 的团队来说,这个版本值得关注和尝试。随着 Rsbuild 的持续发展,我们可以期待它在现代前端构建领域发挥越来越重要的作用。
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-1.5暂无简介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