GoToSocial v0.19.0-rc1 发布:OAuth 增强与 2FA 安全特性解析
GoToSocial 是一个轻量级的 ActivityPub 社交网络服务器,采用 Golang 编写,兼容 Mastodon API。它专为小型社区和个人实例设计,强调隐私性和易用性。近日,GoToSocial 发布了 v0.19.0 的首个候选版本,带来了多项重要改进。
核心安全增强
本次更新最引人注目的是 OAuth 令牌范围强制实施机制。此前版本虽然支持 OAuth 令牌的范围声明(如 read、write 等),但并未实际执行这些权限限制。v0.19.0-rc1 彻底改变了这一状况,现在所有 API 请求都会严格检查令牌的授权范围,与 Mastodon API 的行为保持一致。
开发者需要注意,现有的自动化脚本和应用程序可能需要调整以适应新的权限模型。项目文档中的 Swagger API 说明已更新,详细列出了各端点所需的权限范围。
新增的令牌管理功能允许用户在设置面板中查看和撤销已发放的访问令牌,大大提升了账户安全性。配合这个功能,系统还新增了完整的 OAuth 应用管理界面,用户可以创建和管理自己的应用程序,为开发者提供了更友好的体验。
双重认证(2FA)支持
对于不使用 OIDC 提供商的实例,v0.19.0-rc1 引入了基于时间的一次性密码(TOTP)的双因素认证。用户可以通过扫描二维码设置 2FA,之后登录时需要同时提供密码和验证器应用生成的动态代码。
这一功能特别适合注重账户安全的用户,有效防止了密码泄露导致的未授权访问。系统采用标准的 TOTP 算法,兼容 Google Authenticator、Microsoft Authenticator 等主流验证器应用。
用户体验改进
在界面方面,新版本增加了画廊式个人资料布局选项。这种布局将媒体内容置于显眼位置,适合以图片和视频为主的用户。同时改进了媒体渲染效果,包括更好的模糊哈希(blurhash)支持和 Chrome 浏览器的媒体显示优化。
键盘导航体验得到显著提升,现在用户可以通过键盘更流畅地浏览内容。字体支持也得到扩展,能够更好地显示各种文字系统。
技术细节与迁移指南
v0.19.0-rc1 包含多项数据库迁移,升级时需要特别注意:
- 必须提前备份数据库(SQLite 用户只需复制 sqlite.db 文件)
- 迁移过程可能需要较长时间(从几秒到十分钟不等),切勿中断
- 支持从二进制或 Docker 容器升级
系统现在提供了更多构建选项,包括针对 32 位系统的实验性 nowasm 构建。这些构建使用 Go 原生的 SQLite 实现,并依赖系统安装的 ffmpeg 进行媒体处理。
总结
GoToSocial v0.19.0-rc1 标志着该项目在安全性和用户体验方面的重要进步。OAuth 范围强制实施和 2FA 支持使其更适合生产环境,而新的界面功能则提升了最终用户的使用体验。对于运营小型社交实例的管理员来说,这次升级值得认真考虑。
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