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。
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