Prebid.js 9.34.0版本发布:扩展广告位支持与多项优化
Prebid.js项目简介
Prebid.js是一个开源的Header Bidding解决方案,它允许发布商在广告服务器调用之前进行多需求方的实时竞价。作为现代程序化广告生态系统的核心组件之一,Prebid.js通过提高透明度和竞争性来优化广告收入。该项目由社区驱动,持续迭代更新以适应不断变化的数字广告需求。
核心功能增强:扩展广告位支持
本次9.34.0版本最显著的改进是增加了对可扩展/灵活广告位(expandable/flex slots)的支持。这一功能为发布商提供了更大的布局灵活性,特别是在响应式设计场景下。
可扩展广告位技术允许广告单元根据内容或设备特性动态调整尺寸,而不会破坏页面布局。Prebid.js现在能够更好地处理这类广告位的竞价请求和响应,确保广告展示与页面设计的无缝集成。
实现这一功能涉及对核心竞价逻辑的修改,包括:
- 广告位尺寸的动态检测机制
- 竞价请求参数的智能调整
- 响应处理的适应性增强
用户ID模块更新
PubMatic用户ID子模块在此版本中迎来了首次发布。该模块为PubMatic需求方平台提供了标准化的用户识别解决方案,有助于提高广告相关性和竞价效率。
同时,YieldOne Bid Adapter增加了对UID2.0的支持。UID2.0是一种行业倡议的隐私友好型用户识别方案,这一更新体现了Prebid.js对隐私保护的持续关注。
视频广告参数增强
Sonobi Bid Adapter在此版本中新增了视频广告参数支持。这些增强包括:
- 更精细的视频内容类型控制
- 播放器尺寸和位置的精确配置
- 广告播放行为的详细设置选项
这些改进使发布商能够更精确地控制视频广告的展示方式和用户体验,同时为广告主提供更丰富的投放选项。
适配器功能优化
多个Bid Adapter在此版本中获得了功能增强和问题修复:
Adgrid Bid Adapter新增了userSync功能支持,改善了用户同步效率,有助于提高广告相关性和竞价准确性。
TargetVideo和Brid Adapter修复了供应链对象(schain)处理的问题,增强了广告来源透明度,符合行业标准要求。
维护与稳定性改进
项目维护方面,此版本包含多项基础设施更新:
- 文档更新,更清晰地标注了支持的功能标签
- GitHub Actions工作流升级,提高了持续集成/持续部署(CI/CD)流程的可靠性
- 依赖项版本更新,确保项目安全性和兼容性
Adagio RTD Provider修复了apntag事件回调问题,提升了实时数据处理的稳定性。
已知问题修复
开发团队回退了TTD集成类型头部的更改,原因是发现了竞价过程中的不稳定问题。这一谨慎的做法体现了项目对稳定性的重视,确保生产环境不受潜在问题影响。
升级建议
对于使用Prebid.js的发布商和技术团队,建议:
- 评估可扩展广告位功能是否适用于现有广告布局
- 检查依赖的Bid Adapter是否有重要更新需要配置
- 测试环境先行验证,特别是涉及用户ID模块和视频广告的部分
- 关注与隐私相关的更新,确保符合当地法规要求
9.34.0版本在保持核心功能稳定的同时,提供了多项有价值的增强,特别是对现代广告展示场景的支持更加完善。这些改进将帮助发布商在复杂多变的数字广告环境中保持竞争力。
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