Mailgun-PHP SDK v4.3.4版本发布:增强域名安全与标签管理功能
Mailgun-PHP是Mailgun官方提供的PHP SDK,它让开发者能够轻松地在PHP应用中集成Mailgun的电子邮件服务。通过这个SDK,开发者可以方便地发送邮件、管理域名、处理事件等操作,而无需直接与Mailgun的REST API交互。
版本亮点
最新发布的v4.3.4版本带来了几项重要改进,主要集中在域名安全配置和邮件标签管理方面,这些改进使开发者能够更灵活地控制邮件发送的安全性和组织性。
主要更新内容
1. 自动发件人安全支持
新版本在DomainV4中增加了对useAutomaticSenderSecurity参数的支持。这个功能允许开发者启用Mailgun的自动发件人安全机制,系统会自动为域名配置SPF和DKIM记录,简化了邮件认证的设置流程。
2. 移除多余验证
开发团队移除了SDK中一些不必要的验证步骤,这一优化减少了代码冗余,提高了执行效率,同时保持了核心功能的完整性。
3. 域名密钥API端点
v4.3.4版本完整实现了域名密钥(Domain Keys)相关的API端点。现在开发者可以通过SDK:
- 创建新的域名密钥
- 获取现有密钥列表
- 查看特定密钥详情
- 更新密钥配置
- 删除不再需要的密钥
这些功能为开发者提供了更细致的域名安全控制能力。
4. 邮件标签数量限制提升
根据用户需求,新版本将每封邮件允许添加的标签数量上限从原来的3个提高到了10个。这一变化使得用户能够使用更丰富的标签体系来组织和分类邮件,特别适合需要复杂邮件管理的应用场景。
技术实现细节
在底层实现上,开发团队对代码进行了多项优化:
- 重构了部分验证逻辑,移除了冗余检查
- 新增了域名密钥相关的模型和方法
- 扩展了标签验证规则以适应新的数量限制
- 完善了相关文档和测试用例
升级建议
对于正在使用Mailgun-PHP SDK的项目,建议尽快升级到v4.3.4版本以获取这些新功能和安全改进。升级过程通常只需更新composer依赖即可,不会破坏现有功能。
总结
Mailgun-PHP v4.3.4版本的发布,进一步强化了SDK在邮件安全和管理方面的能力。特别是域名密钥API的完整支持和标签数量限制的提升,为开发者构建更安全、更灵活的邮件应用提供了更好的工具支持。这些改进体现了Mailgun团队对开发者需求的持续关注和响应。
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