Sparticz/chromium项目v135版本前瞻:ARM64支持与架构重构解析
Sparticz/chromium是一个为AWS Lambda等无服务器环境提供轻量级Chromium浏览器的开源项目。该项目通过预编译的Chromium二进制文件和优化配置,使开发者能够在云函数中高效运行Headless浏览器,广泛应用于网页截图、PDF生成、自动化测试等场景。
核心更新内容
本次发布的v135.0.0-next.0版本带来了两项重大改进:
-
ARM64架构支持:新增了对ARM64处理器的兼容性,这意味着开发者现在可以在基于ARM架构的AWS Lambda函数中使用该项目,通常能获得更好的性价比表现。
-
代码架构重构:项目进行了大规模代码重构,提升了模块化程度和可维护性,同时实现了依赖项的自动生成管理,为后续功能扩展奠定了基础。
技术实现细节
跨架构兼容方案
项目现在提供两种架构的预编译包:
- x86_64架构包(chromium-v135.0.0-next.0-pack.x64.tar)
- ARM64架构包(chromium-v135.0.0-next.0-pack.arm64.tar)
开发者可以根据Lambda函数的运行环境选择对应的版本。AWS Lambda层文件(chromium-v135.0.0-next.0-layer.zip)已经包含了跨架构支持,系统会自动选择正确的二进制文件。
字体处理优化
新版本修复了远程字体加载时的错误处理机制,当浏览器引擎遇到字体加载问题时能够正确触发error事件,避免因字体问题导致页面渲染异常。
部署指南
对于AWS Lambda用户,可以通过以下步骤部署新版本:
- 将层文件上传至S3存储桶
- 使用AWS CLI发布新层版本
- 在Lambda函数配置中指定兼容的架构(x86_64或arm64)
对于需要直接使用Chromium二进制文件的场景,可以将对应的架构包上传至任意HTTPS端点,然后在代码中通过chromium.executablePath()函数指定远程位置。
版本特性说明
作为Beta版本,v135.0.0-next.0主要面向早期采用者和测试者。生产环境用户建议等待稳定版发布,但可以提前在测试环境中验证以下方面:
- ARM64架构下的性能表现
- 新版本与现有自动化脚本的兼容性
- 内存使用情况是否有所优化
项目可持续发展
该项目的维护需要持续的服务器资源投入,开发者可以通过GitHub Sponsors计划支持项目发展,确保Chromium版本能够及时更新,并获取长期的技术支持。
这个版本标志着Sparticz/chromium项目在架构支持和技术成熟度上的重要进步,为无服务器环境中的浏览器自动化任务提供了更强大的基础设施。
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