Rolldown v1.0.0-beta.10 发布:模块打包工具的重大更新
Rolldown 是一个基于 Rust 开发的 JavaScript 模块打包工具,旨在提供高性能的代码打包能力。作为 Rollup 的 Rust 实现版本,Rolldown 在保持 API 兼容性的同时,通过底层优化带来了显著的性能提升。最新发布的 v1.0.0-beta.10 版本带来了多项重要改进和功能增强。
核心特性更新
本次更新中,Rolldown 对模块解析和转换系统进行了重大重构。最显著的变化是将 jsx 和 target 选项合并到了统一的 transform 配置中,这使得配置更加简洁和一致。同时,默认情况下现在会在解析条件中包含 module 字段,这更符合现代 JavaScript 生态系统的实际情况。
在模块处理方面,新增了 preserveEntrySignatures 选项,允许开发者更精细地控制入口模块的签名保留行为。对于使用 preserveModules 功能的项目,现在能够正确处理多入口点场景,并且会保留相对路径信息。
性能优化与调试增强
Rolldown 团队持续关注性能优化。在这个版本中,通过减少重复文本嵌入和调整开发环境下的调试配置,显著提升了 Rust 的编译速度。同时,调试信息得到了大幅增强,现在可以记录语句副作用的具体原因,并显示模块导入的更多细节。
新增的调试功能还包括在输出中附加 chunk 的调试信息,这使得开发者能够更清晰地理解打包过程中的模块组织和依赖关系。这些改进使得性能分析和问题排查变得更加容易。
模块系统改进
模块处理逻辑得到了多项重要修复和增强:
- 解决了 CommonJS 命名空间合并问题,包括增量构建和代码分割场景下的特殊情况
- 修正了动态导入模块的处理逻辑,确保导出的动态导入不会被错误标记为未使用
- 改进了严格执行顺序下的模块包装行为,确保运行时模块不会被错误包装
- 优化了未使用动态导入 chunk 的清理逻辑
对于使用 inlineDynamicImports 选项的项目,现在能够正确处理顶层 await 模块的执行顺序。同时,动态条目的拓扑排序改进确保了树摇优化前依赖关系的正确性。
开发者体验提升
Rolldown 现在提供了更好的开发者体验。新增的 loose 模式验证选项会在配置不符合最佳实践时发出警告,帮助开发者及早发现问题。对于浏览器平台项目,现在会自动解析 oxc 运行时辅助函数,减少了手动配置的工作量。
在插件生态方面,JSON 插件现在只会处理明确标记为 JSON 类型的模块,这提高了构建过程的精确度。同时,多个实用函数被提取到共享的插件工具库中,促进了代码复用和插件开发标准化。
构建系统与工具链更新
底层工具链方面,Rolldown 升级到了 oxc v0.72.1 和 oxc-resolver v11,带来了解析器和转换器的多项改进。构建系统也得到了优化,包括 CI 管道的缓存策略改进和发布构建的稳定性增强。
值得注意的是,Windows 平台下的路径监控问题得到了修复,现在能够正确识别 Linux 风格的路径,这对于跨平台开发团队尤为重要。
总结
Rolldown v1.0.0-beta.10 标志着这个 Rust 实现的打包工具在稳定性和功能性上的重要进步。通过模块系统的多项改进、性能优化和开发者体验增强,Rolldown 正逐步成为现代 JavaScript 项目构建的有力竞争者。特别是对大型项目和复杂模块场景的处理能力提升,使得它特别适合需要高性能构建的企业级应用。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00