Mastodon v4.1.25版本发布:关键安全修复与功能优化
Mastodon是一个开源的分布式社交媒体平台,采用ActivityPub协议实现不同实例间的互联互通。作为Twitter的替代方案,Mastodon以其去中心化的架构和用户自治的特点获得了广泛关注。
版本概述
Mastodon v4.1.25是该开源社交网络平台的一个重要维护版本,主要包含以下关键更新:
-
安全提示:该版本特别提醒用户,4.1.x分支将在2025年4月8日后停止接收任何更新,包括安全补丁。这意味着运行此版本的用户需要尽快升级到更高版本以保持系统安全。
-
SAML认证问题:对于使用SAML进行外部认证的实例,存在一个已知的安全问题。开发团队强烈建议这些用户升级到Mastodon 4.2或4.3版本。
主要更新内容
新增功能
- 部分集合分页支持:在
SynchronizeFollowersService中新增了对部分集合分页的支持。这项改进使得在处理大量关注者同步时,系统能够更高效地管理资源,特别是在处理大型实例间的关注关系同步时表现更为出色。
修复问题
- 缓存清除URL错误:修复了在使用缓存清除功能时使用错误URL的问题。这个修复确保了缓存机制能够正常工作,提高了系统的整体性能和用户体验。
升级指南
升级前准备
-
备份数据库:在进行任何升级操作前,务必对数据库进行完整备份。对于使用docker-compose的用户,可以通过特定命令完成备份。
-
环境检查:确认系统满足以下依赖要求:
- Ruby: 3.0或更高版本
- PostgreSQL: 9.5或更新版本
- Elasticsearch(可选): 7.x版本
- Redis: 4或更新版本
- Node: 14.x至18.x之间
- ImageMagick: 6.9.7-7或更新版本
升级步骤
-
获取代码:使用Git命令获取v4.1.25版本的代码。
-
非Docker环境:需要执行
bundle install命令安装依赖。 -
所有环境:最后需要重启所有Mastodon进程以完成升级。
技术细节与最佳实践
-
IP地址验证机制:自v4.1.18版本起,Mastodon实施了更严格的客户端IP地址验证机制。如果反向代理不在Mastodon的本地网络中,需要正确配置
TRUSTED_PROXY_IP参数,列出所有可信反向代理的IP地址。 -
版本生命周期管理:开发团队明确表示4.1.x分支即将结束支持周期,这符合现代软件开发的版本管理策略。建议管理员制定计划,尽快迁移到受支持的版本。
-
依赖管理:值得注意的是,从v4.1.14版本开始,Mastodon要求最低Ruby版本为3.0,这反映了项目对现代编程语言特性的依赖。
总结
Mastodon v4.1.25虽然是一个维护版本,但包含了重要的安全提示和功能改进。对于仍然运行4.1.x分支的实例管理员来说,这可能是最后一个接收更新的版本,因此需要特别关注升级计划。同时,对于使用SAML认证的用户,应立即评估安全风险并考虑升级到更高版本。
作为分布式社交网络的关键组件,Mastodon的持续更新展现了开源社区对安全性和稳定性的承诺。系统管理员应当遵循最佳实践,定期更新实例以确保用户数据安全和系统稳定运行。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00