Rspack v1.3.9 版本发布:性能优化与稳定性提升
Rspack 是一个基于 Rust 构建的高性能 Web 打包工具,它结合了 Webpack 生态系统的优势与 Rust 语言的性能特点,旨在为开发者提供更快的构建速度和更好的开发体验。作为 Webpack 的替代方案,Rspack 在保持兼容性的同时,通过底层优化显著提升了构建性能。
性能优化
本次发布的 v1.3.9 版本在性能方面做出了重要改进。开发团队对 JavaScript 统计功能进行了优化,通过重构相关代码逻辑,减少了不必要的计算开销,使得在大型项目中生成构建统计信息时的性能得到提升。这种优化对于需要频繁分析构建结果的开发者来说尤为有用,特别是在持续集成环境中。
稳定性修复
-
配置合并问题修复:解决了 clever merge 在解析选项时的潜在问题,确保配置合并过程更加可靠。这项修复避免了在某些特殊情况下配置合并可能导致的意外行为。
-
文件监听改进:修正了 watchpack 限制设置时机的问题,现在会在加载 watchpack 之前正确设置限制参数。这一改进使得文件监听机制更加稳定,特别是在处理大量文件变更时。
-
循环依赖处理:修复了循环引用关系检测中的问题,现在能够更准确地识别和处理模块间的循环依赖关系,避免了由此可能引发的构建错误。
-
错误堆栈信息:增强了插件错误处理机制,现在能够完整保留错误堆栈信息,显著提升了调试体验。开发者可以更容易地追踪到错误源头。
-
警告处理优化:解决了警告信息可能被多次处理的问题,避免了控制台中出现重复的警告信息,使构建输出更加清晰。
-
HTML 插件改进:修复了使用多个 HTML 插件实例时选项被意外覆盖的问题,确保了多页面应用配置的正确性。
文档完善
开发团队对文档进行了全面更新和优化:
- 新增了 JavaScript 压缩和转换的详细示例和 API 文档,帮助开发者更好地理解相关功能的使用方法。
- 修正了 SWC API 示例中的错误,确保示例代码的准确性。
- 改进了容器语法文档,避免了可能的误解。
- 增强了追踪功能的文档说明,详细解释了如何利用追踪功能分析构建过程。
- 完善了 Data URI 模块和 MIME 类型规则的文档,提供了更清晰的使用指南。
- 重写了加载器类型文档和示例,使其更加易于理解和实践。
其他改进
-
事件追踪支持:新增了对事件追踪的支持,使开发者能够更深入地分析构建过程中的各个阶段。
-
依赖更新:升级了多个核心依赖,包括:
- 将 pnpm 更新至 v10.10.0
- 升级 core-js 到 v3.42.0
- 更新 Webpack 到 v5.99.8
- 升级 SWC 到 v22.5.3 并启用了 SWC 追踪功能
-
CI/CD 改进:对持续集成流程进行了优化,包括更好的回退机制和必要的检查项,提高了自动化测试的可靠性。
-
代码清理:移除了不再使用的 loader-utils v2 依赖,简化了项目依赖树。
总结
Rspack v1.3.9 版本虽然在功能上没有重大新增,但在性能优化、稳定性提升和文档完善方面做出了重要改进。这些变化使得 Rspack 作为一个现代化的构建工具更加成熟可靠,特别是在大型项目中的表现更为出色。对于已经使用 Rspack 的团队来说,升级到这个版本将获得更好的开发体验和更稳定的构建过程。
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