Vercel Labs发布gpu-lexer：27.5KB神经网络模型在浏览器GPU上实现语法高亮

Vercel 团队 [@shuding](https://x.com/shuding) 发布了一个在浏览器里做语法高亮的小型神经网络模型「gpu-lexer」，只有 27.5KB，推理跑在 WebGPU 上：[gpu-lexer.vercel.app](https://gpu-lexer.vercel.app/) Shu 发现多年来在语法高亮上的真实痛点： 1. 语法语料包太大。传统方案（如 Shiki、TextMate grammar 体系）每种语言都要带一份完整的 grammar 定义，几十种语言叠加后体积很容易到 MB 级； 2. 语言检测与动态加载麻烦。渲染一段未知语言的代码，得先检测语言、再去异步拉取对应的 grammar bundle，链路又长又复杂； 3. 性能差、阻塞主线程。传统的 tokenizer 在 CPU 上跑，代码量大时会卡住页面主线程。 gpu-lexer 用一个思路同时回应了这三点：把高亮从“基于规则”改成“基于模型”。一个 27.5KB 的模型内联打包，天然消灭了动态加载问题；跑在 GPU 上，天然绕开了主线程阻塞。这是典型的“用一次性的模型训练成本，换取运行时的体积和延迟优势”。 技术上的关键点 本质上是一个序列标注任务：模型读入源代码的 token 序列，为每个 token 预测它的语法角色（关键字、字符串、注释、函数名等），再映射到高亮的 span 上。 几个值得注意的细节： · 50+ 语言训练，且有泛化能力。帖子特意提到对训练集之外的语言“表现尚可”——这说明模型学到的不只是各语言的特例，而是某种跨语言的语法模式共性（比如大多数语言里 // 后面是注释、引号包裹的是字符串这类统计规律）。这是神经方法相对规则引擎最有想象力的地方。 · 正确性以 Shiki 为基准衡量。Shiki 使用真实的 VS Code 语法语料，gpu-lexer 用“top 25 GitHub 流行语言的加权正确率”来对比。帖子也诚实指出了方法论差异：Shiki 解析的是真实 AST，而其他高亮器（包括 gpu-lexer）可能只是近似，所以差距是结构性的。 · 不能全量替代。Shu 明确说“所有高亮器有不同的管线和使用场景”，这个项目目前无法完整替代任何一个。这是很克制、很专业的表述——神经高亮在确定性、边角 case、语义级区分（比如区分“用作函数调用的标识符”和“普通变量”）上仍有天然短板。   Shu@shuding I trained a small model to do syntax highlighting in the browser with GPU. Meet gpu-lexer from Vercel Labs: Small (27.5KB), fast (runs on WebGPU), and language-agnostic (model guesses the syntax). [gpu-lexer.vercel.app](https://gpu-lexer.vercel.app) It is experimental and built for learning! [Your browser does not support the video tag.](https://video.twimg.com/amplify_video/2097348646648107008/vid/avc1/1920x1080/b-m7-iKfUrf_ERLh.mp4?tag=29) [🔗 View on Twitter](https://x.com/shuding/status/2097348783415939541/video/1) [🔗 View Quoted Tweet](https://x.com/shuding/status/2097348783415939541)