tsdown v0.11.0-beta.1 版本发布:构建工具的重大升级
tsdown 是一个基于 Rollup 的 TypeScript 构建工具,它简化了 TypeScript 项目的打包流程,提供了开箱即用的配置和优化。最新发布的 v0.11.0-beta.1 版本带来了多项重要更新和改进,本文将详细介绍这些变化。
重大变更
Node.js 版本要求提升
本次更新最显著的变化是提高了对 Node.js 版本的要求。现在 tsdown 需要 Node.js v20.11.0 或更高版本,同时不再支持 Node.js 18。这一变更反映了现代 JavaScript 生态系统的演进趋势,允许开发者使用最新的 Node.js 特性和性能优化。
依赖关系调整
另一个重要变化是将 unplugin-lightningcss 从直接依赖改为 peer 依赖。这意味着项目需要显式声明对 unplugin-lightningcss 的依赖,这为开发者提供了更大的灵活性,可以根据项目需求选择特定版本的 CSS 处理工具。
新功能亮点
移除 Node 协议支持
新增的 removeNodeProtocol 选项允许开发者在构建过程中自动移除 node: 协议前缀。这个特性特别适用于需要兼容不支持 Node.js 协议前缀的环境,或者需要将代码运行在浏览器等非 Node.js 环境中的场景。
资源复制与公共目录
新版本引入了 copy 和 publicDir 两个选项,极大地简化了静态资源的管理:
copy选项可以配置需要复制的文件或目录publicDir选项指定公共目录的位置
这些功能使得处理项目中的静态资源(如图片、字体等)变得更加简单和直观。
自动目标检测
tsdown 现在能够自动解析 package.json 中的 engines.node 字段,并将其作为默认的构建目标。这一智能特性减少了配置的复杂性,同时确保了构建输出与项目声明的 Node.js 版本要求保持一致。
CLI 增强
命令行界面新增了 tsconfig 选项,允许开发者指定自定义的 TypeScript 配置文件路径。这为大型项目或多配置环境提供了更大的灵活性。
技术影响与建议
这次更新标志着 tsdown 向更现代化、更灵活的构建工具迈进。对于现有项目,升级时需要注意以下几点:
- 首先确保开发环境和生产环境都运行在 Node.js v20.11.0 或更高版本
- 如果项目使用了 CSS 处理功能,需要显式添加
unplugin-lightningcss依赖 - 可以利用新的资源管理功能简化构建配置
- 考虑使用自动目标检测来简化配置
对于新项目,建议直接采用这个 beta 版本,以利用所有最新功能和优化。虽然处于 beta 阶段,但这些变更已经经过充分测试,可以满足大多数生产环境的需求。
总的来说,tsdown v0.11.0-beta.1 通过提高最低要求、增加新功能和优化现有特性,为 TypeScript 项目构建提供了更强大、更灵活的解决方案。
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
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