ZenStack 2.13.0版本发布:安全增强与策略功能升级
项目简介
ZenStack是一个基于Prisma构建的现代数据访问层框架,它为开发者提供了强大的数据建模、访问控制和业务逻辑封装能力。通过扩展Prisma的功能,ZenStack让开发者能够以声明式的方式定义数据访问策略,并自动生成类型安全的客户端代码。
关键安全修复
本次2.13.0版本包含了一个关键的安全修复,涉及嵌套的updateMany和deleteMany操作。在某些特定条件下,这些操作可能会影响到比预期更多的数据实体。具体来说,当同时满足以下三个条件时会出现此问题:
- 在顶层
update查询下使用嵌套的updateMany/deleteMany - 被嵌套更新的模型包含引用自身字段的访问策略,或者是多态模型
- 顶层更新查询使用非ID的唯一字段作为过滤条件
举例说明,假设有一个用户模型和文章模型,文章模型定义了访问策略只允许更新未发布的文章。当使用用户的email字段(非主键的唯一字段)作为顶层过滤条件进行嵌套更新时,原本应该只更新与该用户关联的文章,但由于此bug,过滤条件可能会丢失,导致可能更新到其他用户的文章。
值得注意的是,即使出现此问题,模型的访问策略仍然会生效,因此并非所有情况下都会导致数据错误。但出于安全考虑,建议用户尽快升级到2.13.0版本。
新特性介绍
Prisma 6.5支持
从2.12.3版本开始,ZenStack已经支持Prisma 6.5版本,用户现在可以享受到Prisma最新版本带来的各项改进和功能增强。
访问策略函数支持
本次版本新增了对currentModel和currentOperation函数的支持,开发者现在可以在访问策略规则中调用这些函数(#1984)。这为编写更灵活、更细粒度的访问控制逻辑提供了可能。
其他改进与修复
-
Zod集成改进:修复了带有默认值的JSON字段的Zod模式生成问题,确保类型定义更加准确。
-
类型导出优化:改进了模型元数据类型的重新导出机制,确保这些类型在所有使用场景下都可用。
-
Enhanced类型助手:现在无论是否使用逻辑Prisma模式,都会生成
Enhanced类型助手,提高了类型系统的可用性。 -
委托模型类型修复:解决了委托模型名称较长时的TypeScript类型定义问题(#1994)。
-
CLI工具改进:修复了当
@default引用auth()布尔类型字段时,zenstack generate命令可能出错的问题(#2038)。
升级建议
对于正在使用ZenStack的项目,特别是那些使用了嵌套updateMany/deleteMany操作的项目,强烈建议尽快升级到2.13.0版本。同时,可以考虑启用Prisma的严格undefined检查预览功能,这可以作为查询转换问题的额外安全防护。
ZenStack持续致力于为开发者提供安全、高效的数据访问解决方案,2.13.0版本的发布进一步提升了框架的稳定性和功能性,为构建企业级应用提供了更坚实的基础。
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-1.5暂无简介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