ZenStack v2.15.0发布:新增ElysiaJS适配器与Prisma 6.8支持
ZenStack作为一个基于Prisma构建的现代全栈开发框架,通过增强型数据模型和安全策略定义,为开发者提供了更高效、更安全的数据库访问方案。最新发布的v2.15.0版本带来了多项重要更新,包括对ElysiaJS框架的适配支持以及Prisma 6.8的兼容性提升。
ElysiaJS服务器适配器
本次更新最引人注目的特性是新增了对ElysiaJS框架的适配支持。ElysiaJS是一个轻量级、高性能的Bun运行时Web框架,以其简洁的API和出色的性能著称。ZenStack通过专门的适配器,使得开发者能够在ElysiaJS应用中无缝集成ZenStack的数据访问和安全策略功能。
ElysiaJS适配器的加入意味着开发者现在可以在Bun运行时环境中享受到ZenStack带来的诸多优势,包括自动生成的CRUD API、细粒度的访问控制策略等。这一适配器的实现考虑了ElysiaJS特有的中间件系统和路由机制,确保了最佳的性能和开发体验。
Prisma 6.8兼容性
随着Prisma生态的持续演进,ZenStack也及时跟进,在新版本中全面支持Prisma 6.8。这一更新确保了开发者能够使用Prisma最新版本的所有特性,同时继续享受ZenStack提供的增强功能。兼容性更新包括对Prisma客户端API变更的适配,以及对新引入特性的支持。
核心功能改进
除了上述主要特性外,v2.15.0版本还包含了一系列核心功能的改进和问题修复:
-
Bun运行时兼容性增强:解决了在Bun环境下运行
zenstack generate和zenstack init命令的兼容性问题,使得Bun用户能够更顺畅地使用ZenStack工具链。 -
委托模型改进:
- 修复了继承自基类模型的
@updatedAt字段在更新操作时未自动更新的问题 - 解决了级联删除场景下委托基类行未被正确删除的问题
- 修复了继承自基类模型的
-
策略引擎优化:
- 修复了在使用字段级策略时,Prisma客户端扩展计算字段未被正确返回的问题
- 改进了对BigInt类型数据的日志处理,避免了日志输出错误
总结
ZenStack v2.15.0版本的发布进一步扩展了框架的适用范围,特别是通过ElysiaJS适配器支持了新兴的Bun运行时生态。同时,对Prisma最新版本的支持确保了开发者能够使用最前沿的数据库工具链。各项功能改进和问题修复也提升了框架的稳定性和开发体验,使ZenStack在构建安全、高效的全栈应用方面更具竞争力。
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
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-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
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