Rspack v1.2.4 发布:支持 SRI 安全特性与性能优化
Rspack 是一个基于 Rust 的高性能构建工具,它结合了 Webpack 的生态优势和 Rust 语言的性能优势。作为 Webpack 的替代方案,Rspack 在构建速度上有着显著提升,同时保持了良好的兼容性。
核心特性:Subresource Integrity (SRI) 支持
本次发布的 v1.2.4 版本中,最值得关注的特性是新增了对 Subresource Integrity (SRI) 的原生支持。SRI 是一种重要的 Web 安全机制,它通过为外部资源添加加密哈希值,确保这些资源在传输过程中没有被篡改。
Rspack 通过内置的 SubresourceIntegrityPlugin 实现了这一功能。该插件是 webpack-subresource-integrity 的 Rust 重写版本,在性能上有了显著提升。开发者可以通过简单的配置启用这一安全特性:
import { experiments } from '@rspack/core';
const { SubresourceIntegrityPlugin } = experiments;
export default {
plugins: [new SubresourceIntegrityPlugin()],
output: {
crossOriginLoading: 'anonymous',
},
};
启用后,Rspack 会为所有加载的外部资源生成完整性哈希值,并自动添加到 HTML 中。这为现代 Web 应用提供了额外的安全防护层,特别是在使用 CDN 资源时尤为重要。
性能优化持续深入
Rspack 团队持续关注构建性能,本次更新包含了多项优化措施:
- 模块重用优化:改进了模块在多次编译间的重用机制,减少了不必要的重复处理。
- Rust 级别优化:调整了 Rust 编译器的优化级别,提升了整体执行效率。
- 异步任务处理:重构了模块重建的异步任务机制,使构建过程更加稳定可靠。
这些优化使得 Rspack 在大型项目中的构建速度进一步提升,特别是在增量构建场景下表现更为突出。
功能增强与问题修复
除了核心特性外,本次更新还包含了一系列功能增强和问题修复:
- 分块命名增强:支持在分块配置中使用整体文件名模式,提供了更灵活的代码分割控制。
- 缓存组测试支持:现在可以在缓存组测试中使用 chunkGraph 和 moduleGraph,为高级代码分割策略提供了更多可能性。
- Windows 路径修复:解决了 Windows 系统下 "publicPath: auto" 配置的路径问题。
- 动态入口依赖:改进了动态入口的依赖处理逻辑,确保依赖关系正确维护。
开发者体验改进
Rspack 团队也持续关注开发者体验:
- CLI 增强:新增了
--config-loader选项,支持通过命令行指定配置文件加载器。 - 内置加载器支持:现在可以通过编译器构建器启用内置加载器。
- 文档更新:完善了插件兼容性状态文档,并更新了项目路线图,新增了 Wasm 构建和 Rstest 等未来目标。
总结
Rspack v1.2.4 版本在安全性、性能和开发者体验三个方面都做出了显著改进。特别是 SRI 支持的增加,使得 Rspack 在构建现代安全 Web 应用方面又向前迈进了一步。持续的性能优化也进一步巩固了 Rspack 在构建速度上的优势地位。
随着 Rspack 生态的不断完善,它正在成为越来越多前端团队构建工具的新选择。对于关注构建性能和现代 Web 安全特性的团队来说,这个版本值得考虑升级。
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