Better Auth 1.1.19版本发布:增强安全性与功能完善
Better Auth是一个现代化的身份验证解决方案,旨在为开发者提供灵活、安全的用户认证系统。它支持多种认证方式,包括OAuth、JWT、Passkey等,并提供了丰富的插件系统以满足不同场景的需求。
核心功能增强
本次1.1.19版本带来了多项重要功能改进:
MongoDB适配器自定义ID生成
开发团队为MongoDB适配器增加了自定义ID生成的支持。这意味着开发者现在可以根据业务需求实现特定的ID生成策略,而不再局限于系统默认的ID生成方式。这一改进特别适合那些需要与现有系统集成或遵循特定ID格式要求的项目。
Google One Tap集成优化
在Google One Tap集成方面,本次更新显著提升了JWT验证的可靠性,并改进了提示处理机制。这些改进使得Google One Tap登录流程更加稳定和安全,减少了潜在的安全风险,同时提升了用户体验。
两步验证安全增强
为了提升安全性,开发团队重新设计了两步验证的激活流程。现在系统会强制要求通过邮箱OTP验证来激活两步验证功能,消除了之前可能存在的跳过验证的安全隐患。这一改变确保了即使用户启用了两步验证,也必须先通过邮箱验证身份。
安全修复与改进
会话管理修复
修复了管理员模拟用户会话时可能出现的过期问题,确保模拟会话能正确遵循系统设置的过期策略。同时,解封用户操作现在会正确重置过期日期和原因字段,避免了数据不一致的问题。
OAuth集成改进
在OAuth账户链接过程中,现在会正确设置令牌信息,解决了之前可能出现的令牌丢失问题。此外,Generic OAuth插件现在支持allowDifferentEmails配置,为开发者提供了更灵活的邮箱处理选项。
JWT与OIDC规范完善
JWKS响应现在包含必要的alg字段,符合JWT规范要求。OIDC插件也进行了多项改进,包括用户信息端点字段大小写调整以符合规范、正确处理nonce值、确保/userinfo响应中包含必需的sub字段等。
开发者体验优化
OpenAPI文档改进
本次更新对生成的OpenAPI文档进行了多项改进,包括正确转换路径参数格式、为每个模型添加缺失的id字段等。这些改进使得API文档更加完整和规范,有助于开发者更好地理解和使用API。
Passkey插件优化
移除了服务器插件中不必要的客户端导出,简化了代码结构,减少了潜在的安全风险。
总结
Better Auth 1.1.19版本在安全性、功能完善度和开发者体验方面都做出了显著改进。特别是对MongoDB适配器、Google One Tap集成和两步验证流程的增强,使得这个身份验证解决方案更加健壮和灵活。对于正在使用或考虑采用Better Auth的开发者来说,这个版本值得升级。
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