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。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00