Prebid.js 9.47.0版本发布:广告竞价生态的重要更新
Prebid.js项目简介
Prebid.js是一个开源的头部竞价解决方案,广泛应用于数字广告领域。它允许发布商在广告服务器调用之前,同时向多个需求方平台(DSP)发起竞价请求,从而最大化广告收益。作为行业标准工具,Prebid.js通过模块化架构支持各种广告格式和交易模式,包括显示广告、视频广告和原生广告等。
9.47.0版本核心更新内容
新增适配器支持
本次版本引入了全新的Nativery Bid Adapter,为开发者提供了对接Nativery广告平台的能力。这个新增的适配器扩展了Prebid.js的生态系统,使发布商能够接入更多样化的广告需求来源。
核心功能优化
在用户身份识别方面,本次更新进行了重要调整:将用户eids(外部身份标识)从user.eids迁移至user.ext.eids位置。这一变更遵循了OpenRTB协议的最新规范,确保了与其他广告技术组件的更好兼容性。同时,UID1 Eids模块现在支持inserter和matcher功能,为用户身份匹配提供了更灵活的配置选项。
性能与稳定性提升
针对PBS(Prebid Server)适配器,修复了tmax参数必须为整数的关键问题,避免了因参数类型错误导致的竞价异常。Conversant适配器移除了对废弃的bidRequest.userid属性的依赖,使代码更加健壮。Kargo适配器则解决了Safari 15.6浏览器中存储模拟导致的错误问题。
测试与构建流程改进
开发团队对测试框架进行了多项优化:
- 删除了过时的Nightwatch测试工具
- 更新了端到端测试的日志配色方案
- 修复了Bliink适配器的间歇性测试失败问题
- 解决了Aduntius适配器在Safari 15.6上的测试失败问题
构建系统方面也进行了现代化改造:
- 移除了gulp-sourcemaps等过时依赖
- 用plugin-error和fancy-log替代了废弃的gutil
- 优化了覆盖率计算流程,现在只需单次执行即可完成
- 升级了Babel运行时插件并将其移至devDependencies
代码质量提升
本次发布清理了多个模块中不必要的polyfill导入,包括:
- 移除了find、findIndex和includes等现代JavaScript已原生支持方法的polyfill
- 删除了es5-shim等不再需要的兼容层
- Xe工具库移除了findIndex polyfill
- Advangelist工具库移除了includes polyfill
这些清理工作减小了最终打包体积,提升了运行时性能。
其他重要改进
- 捷克广告ID模块增加了ID格式验证,确保数据质量
- Cwire适配器现在会在竞价负载中包含网络带宽信息
- Mediasquare适配器支持ORTB协议和userIdAsEids
- Pubmatic适配器增加了前次竞价信息支持
- Blue BMS适配器将共享代码提取到工具类中,提高了代码复用性
- Adverxo适配器现在允许adUnitId为字符串类型,提高了灵活性
技术影响分析
9.47.0版本虽然是一个常规更新,但在几个关键方面为Prebid.js生态系统带来了实质性改进:
-
协议兼容性增强:通过将eids移至标准位置和遵循最新OpenRTB规范,确保了与其他广告技术栈的无缝集成。
-
性能优化:polyfill的移除和构建流程的现代化,将显著减小打包体积并提升运行时效率,特别有利于移动端用户。
-
测试可靠性提升:针对不同浏览器环境的测试修复,特别是Safari兼容性问题,将提高整体解决方案的稳定性。
-
开发者体验改善:构建工具的更新和共享代码的提取,使自定义开发和适配器开发更加高效。
这些改进共同推动了Prebid.js作为开源头部竞价解决方案的成熟度和可靠性,为数字广告生态的健康发展提供了坚实的技术基础。
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-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00