Rspack v1.3.0-beta.0 发布:支持配置继承与多项优化
Rspack 是一个基于 Rust 的高性能 JavaScript 打包工具,它结合了 Webpack 的丰富功能和 Rust 的高效性能。作为现代前端构建工具的新选择,Rspack 在保持与 Webpack 生态兼容的同时,提供了更快的构建速度和更低的资源消耗。
配置继承功能
本次发布的 v1.3.0-beta.0 版本中,最引人注目的新特性是支持了配置文件的继承功能。开发者现在可以在 rspack.config.js 中使用 extends 选项来继承其他配置文件或 npm 包中的基础配置。这一功能极大地提升了配置的可复用性和维护性,特别适合大型项目或多环境构建场景。
在实际应用中,你可以创建一个基础配置文件 base.rspack.config.mjs,然后在不同环境的配置文件中继承它,并根据需要覆盖或扩展特定配置。这种方式不仅减少了重复代码,还能确保不同环境间配置的一致性。
模块系统增强
Rspack 1.3.0-beta.0 在模块系统方面做了多项改进:
- 新增了对模块子类型的支持,允许在 JavaScript 端更精细地控制模块行为
- 实现了
module.generator.json.JSONParse功能,优化了 JSON 文件的处理流程 - 支持读取
NormalModule.loaders,为插件开发者提供了更多灵活性 - 改进了代码分割的增量构建性能,提升了开发体验
外部依赖解析增强
新版本增强了 externals 配置的功能,现在可以在 getResolve 回调中获取第三个参数,为复杂的外部依赖处理提供了更多上下文信息。这一改进特别适合需要精细控制外部依赖解析逻辑的高级场景。
错误处理与诊断改进
Rspack 团队对错误处理系统进行了重构,引入了 BuilderError 类型来更好地处理构建过程中的错误。同时,改进了诊断信息的显示方式,确保错误位置信息能正确转换为字符串形式,提高了错误信息的可读性。
性能优化
在性能方面,本次更新包含多项底层优化:
- 重构了异步任务处理机制,使用
future_scope来并行执行任务 - 移除了不必要的
async-scope依赖 - 优化了 Tokio 运行时的配置
- 改进了模块代码生成的异步处理流程
这些优化共同提升了 Rspack 的整体构建性能,特别是在大型项目中的表现。
开发者体验改进
除了核心功能的增强外,新版本还包含多项开发者体验的改进:
- 文档全面更新,特别是关于
publicPath和 AMD 模块的说明更加详细 - 新增了兼容 Webpack 的插件开发指南
- 测试覆盖率显著提升,新增了大量 Webpack 兼容性测试用例
- 构建系统优化,减少了不必要的依赖
总结
Rspack v1.3.0-beta.0 带来了多项重要更新,特别是配置继承功能的引入将显著提升大型项目的可维护性。模块系统的增强和性能优化进一步巩固了 Rspack 作为现代前端构建工具的地位。对于正在考虑从 Webpack 迁移的团队,这个版本提供了更好的兼容性和开发体验。
随着 Rust 在前端工具链中的普及,Rspack 正逐渐成为 Webpack 的有力替代方案。其出色的性能和持续的生态建设使其值得开发者关注和尝试。
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