Rspack v1.2.7 发布:性能优化与新特性解析
Rspack 是一个基于 Rust 的高性能 JavaScript 构建工具,它结合了 Webpack 的生态优势和 Rust 语言的性能优势,旨在为前端开发者提供更快的构建体验。最新发布的 Rspack v1.2.7 版本带来了显著的性能提升和一些实用的新特性。
性能优化亮点
macOS 平台构建速度提升
在 macOS 平台上,v1.2.7 相比 v1.2.6 版本构建速度提升了高达 20%。这一优化主要得益于对线程调度的改进,通过减少最大阻塞线程数来降低文件系统争用和内存消耗。对于使用 Mac 开发的前端团队来说,这意味着日常开发中的构建等待时间将大幅缩短。
HMR 内存使用减少
热模块替换(HMR)是现代化前端开发中不可或缺的功能。在 v1.2.7 中,Rspack 通过引入 maxGenerations 支持,优化了内存缓存机制,使得 HMR 的内存使用量减少了约 20%。具体来说,在 threejs 项目的开发模式下进行 10 次 HMR 操作时,内存使用从平均 1137MB 降低到了 890MB。
核心新特性
增强的运行时模板渲染
v1.2.7 进一步扩展了 Dojang 模板引擎在运行时模板渲染中的应用。这一改进使得 Rspack 能够处理更多类型的运行时场景,为开发者提供了更灵活的构建配置选项。
AMD 上下文 require 支持
对于使用 AMD 模块规范的项目,新版本增加了对 AMD 上下文 require 的支持。这意味着在 AMD 环境下,开发者可以更灵活地控制模块的加载行为,特别是在处理动态依赖时。
编译器运行选项增强
compiler.run 方法现在支持通过选项设置 modifiedFiles 和 removedFiles,这为构建流程提供了更精细的控制能力。开发者可以明确指定哪些文件被修改或删除,从而优化增量构建的性能。
模块图连接顺序保证
在 JavaScript API 中,get outgoing connections 现在会按照确定的顺序返回连接信息。这一改进使得开发者能够更可靠地处理模块间的依赖关系,特别是在需要特定处理顺序的场景下。
重要问题修复
-
HMR 跨运行时模块移动问题:修复了当模块在不同运行时之间移动时 HMR 失效的问题。
-
持久缓存优化:修复了重建时跳过计算修改文件的问题,提高了增量构建的准确性。
-
CommonJS 静态库模式:修复了 CommonJS 在静态库模式下的行为问题。
-
CSS 文件 BOM 处理:现在能够正确处理带有 BOM 头的 CSS 文件。
-
包含内置加载器错误的模块重建:修复了重建时忽略包含内置加载器错误的模块的问题。
开发者体验改进
除了核心功能的增强,v1.2.7 还包含多项开发者体验的改进:
- 更清晰的
addInclude错误信息,帮助开发者更快定位问题 - 减少调试符号大小,降低二进制体积
- 测试性能优化,包括并行运行 CLI 测试用例
- 文档更新,包括完整的 loader context API 文档和 JSDoc
总结
Rspack v1.2.7 通过多项性能优化和功能增强,进一步巩固了其作为高性能构建工具的地位。特别是对于 macOS 开发者和频繁使用 HMR 功能的团队,这个版本带来的性能提升将显著改善开发体验。随着 Dojang 模板引擎支持的扩展和 AMD 模块规范的完善,Rspack 的适用场景也在不断扩大。
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