Rspack v1.3.5 发布:Next.js 生态整合与性能优化
Rspack 是一个基于 Rust 构建的高性能 JavaScript 打包工具,它结合了 Webpack 的丰富功能和 Rust 语言的性能优势。在最新发布的 v1.3.5 版本中,Rspack 带来了与 Next.js 生态系统的深度整合,以及多项性能优化和功能增强。
Next.js 生态整合
本次版本最引人注目的特性是正式支持 Next.js 框架。通过 next-rspack 插件,开发者现在可以在 Next.js 项目中直接使用 Rspack 作为打包工具。这一整合为 Next.js 开发者带来了显著的构建性能提升,特别是在大型项目中。
Rspack 与 Next.js 的整合意味着:
- 更快的冷启动和热更新速度
- 更高效的增量构建
- 与现有 Next.js 功能的无缝兼容
- 保留了开发者熟悉的配置方式
性能优化
v1.3.5 版本在性能方面做了多项改进:
-
JavaScript 模块加载器优化:通过重构模块加载器的实现,减少了不必要的计算开销,提升了模块解析速度。
-
缓存机制增强:引入了更智能的缓存策略,特别是在处理大型项目时,能够更有效地利用缓存减少重复计算。
-
构建顺序稳定性:修复了模块连接顺序不稳定的问题,确保构建结果更加可靠,特别是在增量构建场景下。
新功能与改进
异步解析器适配
新版本改进了模块解析器的异步 API 适配,使其在处理复杂依赖关系时更加高效和可靠。
正则表达式支持
现在解析器限制规则支持正则表达式,为开发者提供了更灵活的模块解析控制能力。
外部模块处理增强
改进了外部模块的处理逻辑,特别是在处理带有属性数组的模块格式时更加准确。
问题修复
v1.3.5 版本修复了多个重要问题:
-
WebAssembly 处理:修复了 HMR 场景下 WASM 文件名处理的问题,确保热更新正确工作。
-
哈希稳定性:解决了在某些情况下入口 chunk 哈希不随运行时模块变化的问题,确保构建结果的正确性。
-
动态入口处理:改进了动态添加入口时异步模块的推断逻辑,提高了构建的可靠性。
-
Worker 别名处理:修复了 Worker 中模块别名处理的问题,确保 Worker 构建的正确性。
开发者体验改进
除了核心功能的增强,v1.3.5 版本还包含多项开发者体验改进:
-
文档完善:新增了 Next.js 集成指南,完善了生态系统文档,帮助开发者更快上手。
-
错误处理:改进了错误报告机制,使开发者能够更清晰地定位问题。
-
构建稳定性:通过多项内部重构,提高了构建过程的稳定性。
总结
Rspack v1.3.5 版本标志着该项目在 JavaScript 构建工具生态中的重要一步,特别是与 Next.js 的深度整合为前端开发者提供了新的性能优化选择。通过持续的性能优化和功能增强,Rspack 正在成为现代前端开发中值得考虑的构建工具选项。
对于已经在使用 Next.js 的团队,现在可以尝试通过 next-rspack 插件体验更快的构建速度;对于关注构建性能的前端开发者,Rspack 提供了 Webpack 兼容性基础上的性能提升方案。随着生态系统的不断完善,Rspack 有望在前端工具链中扮演越来越重要的角色。
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