arkenfox user.js项目v135版本更新解析:Firefox隐私配置新变革
项目简介
arkenfox user.js是一个专注于Firefox浏览器隐私和安全强化的开源配置项目。它通过提供一套经过精心调校的user.js配置文件,帮助用户最大限度地提升Firefox的隐私保护能力,抵御各种网络追踪技术。该项目定期更新以跟上Firefox的最新版本和隐私保护技术发展。
v135版本核心更新
最新发布的arkenfox user.js v135版本主要围绕Firefox 136版本中的隐私清理机制改进进行了重要调整。这次更新标志着Firefox隐私清理系统的一次重要架构升级。
新增配置项
v135版本引入了7个全新的隐私清理相关配置项,这些配置项均针对Firefox 136版本设计:
-
浏览历史与下载记录清理控制:
privacy.clearHistory.browsingHistoryAndDownloadsprivacy.clearOnShutdown_v2.browsingHistoryAndDownloadsprivacy.clearSiteData.browsingHistoryAndDownloads
-
表单数据清理控制:
privacy.clearHistory.formdataprivacy.clearOnShutdown_v2.formdataprivacy.clearSiteData.formdata
-
下载记录独立清理控制:
privacy.clearOnShutdown_v2.downloads
这些新配置项采用了更清晰的命名逻辑和更合理的功能划分,取代了原有的旧版配置系统。
配置项清理与优化
v135版本对过时的配置项进行了大规模清理:
- 完全移除4个长期无效的旧版清理配置项
- 将13个旧版清理配置项标记为"inactive"并移至6050区域(专为prefsCleaner工具设计)
需要特别注意的是,所有以privacy.clearOnShutdown.(注意结尾的点)和privacy.cpd开头的配置项都属于将被逐步淘汰的旧版系统。
技术背景与迁移建议
Firefox 136版本引入了一套全新的隐私清理配置系统("_v2"后缀),这是对原有系统的一次重要重构。新系统提供了:
- 更清晰的配置项命名逻辑
- 更细粒度的控制选项
- 更好的功能模块化设计
对于用户而言,需要注意以下几点迁移建议:
-
配置迁移机制:新配置项会自动从旧系统迁移数据,但为了确保迁移成功,建议:
- 打开Firefox的各个隐私设置对话框
- 重启浏览器使更改完全生效
-
用户自定义配置更新:如果用户有自定义的隐私清理配置,需要相应更新为新的配置项名称。
-
版本兼容性:虽然这些新配置项是针对Firefox 136设计的,但arkenfox user.js v135已经提前为这一变化做好准备,体现了项目的预见性。
最佳实践建议
-
及时更新:不要等待arkenfox更新才升级Firefox浏览器本身,保持浏览器最新是安全的基础。
-
配置验证:在应用新配置后,建议:
- 检查各项隐私设置是否符合预期
- 测试清理功能是否正常工作
- 验证关机时自动清理等功能的执行情况
-
旧配置清理:可以安全地移除所有旧版清理配置项,减少配置文件的混乱。
-
理解配置含义:新配置项的名称更加直观,例如:
clearHistory系列:控制手动清理时的行为clearOnShutdown_v2系列:控制浏览器关闭时的自动清理行为clearSiteData系列:控制针对特定站点的清理行为
总结
arkenfox user.js v135版本的这次更新,反映了Firefox隐私清理系统的现代化演进。通过引入更清晰、更模块化的配置系统,用户能够获得更精确的隐私控制能力。作为专注于Firefox隐私强化的领先项目,arkenfox user.js再次展现了其对浏览器隐私保护技术发展的快速响应能力。对于注重网络隐私的用户来说,及时了解并应用这些变化,将有助于保持最佳的隐私保护状态。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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