Stripe Node.js SDK v17.7.0 版本更新解析
Stripe Node.js SDK 是 Stripe 官方提供的 JavaScript 库,用于在 Node.js 环境中与 Stripe API 进行交互。它为开发者提供了便捷的方式来处理支付、订阅、发票等金融业务逻辑。本次发布的 v17.7.0 版本带来了一些重要的功能增强和优化。
核心更新内容
账单信用系统增强
本次更新对 Stripe 的账单信用系统进行了多项改进:
-
价格范围支持:现在可以在信用余额摘要检索参数、信用授予对象及其创建参数中的适用范围配置(applicability_config)中指定价格范围(prices)。这为信用应用提供了更精细的控制能力。
-
价格类型可选化:相关参数中的 price_type 字段现在变为可选,提高了 API 使用的灵活性。
-
优先级支持:新增了对信用授予(credit grant)优先级的支持,允许开发者通过 priority 参数控制信用应用的顺序。
支付方式选项扩展
针对多种支付方式的目标日期(target_date)支持已扩展到更多场景:
- 新增了对 ACSS Debit、AU BECS Debit、BACS Debit、SEPA Debit 和 US Bank Account 等支付方式的目标日期支持
- 这些支付方式现在可以在 Checkout Session、Payment Intent 的创建、确认和更新操作中设置目标日期
结账会话功能增强
-
卡片支付限制:在结账会话的支付方法选项中新增了对卡片支付限制(restrictions)的支持,可以更精确地控制卡片支付行为。
-
收集信息支持:结账会话现在支持 collected_information 参数,用于跟踪和管理会话期间收集的客户信息。
-
必填字段调整:discounts 字段现在变为必填,提高了 API 的一致性。
其他重要改进
-
产品默认价格数据:在产品创建时,现在可以为默认价格数据(default_price_data)添加元数据(metadata),便于跟踪和管理。
-
Token 创建参数:个人身份验证(identity_verification)参数的类型从字符串调整为枚举类型('existing'|'none'),提高了类型安全性。
-
Webhook 支持:新增了对 2025-02-24.acacia 版本 API 的 Webhook 端点支持。
开发体验优化
-
Next.js 示例:新增了针对 Next.js App Router 的 Webhook 示例,展示了如何利用 Route Handlers 处理 Stripe Webhook。
-
构建改进:现在在 npm 包中包含了 OPENAPI_VERSION,有助于开发者了解所使用的 OpenAPI 规范版本。
技术影响分析
本次更新主要从三个维度提升了 Stripe Node.js SDK 的能力:
-
功能扩展:特别是账单信用系统和支付方式选项的增强,为开发者提供了更丰富的业务场景支持。
-
类型安全:如身份验证参数的类型调整,减少了潜在的类型错误。
-
开发体验:新增的 Next.js 示例降低了框架集成的门槛,OPENAPI_VERSION 的包含则提高了透明度。
对于正在使用或计划使用 Stripe 服务的 Node.js 开发者,建议及时升级到 v17.7.0 版本以利用这些新特性。特别是需要处理复杂信用逻辑或国际支付场景的项目,本次更新提供的增强功能将显著简化开发工作。
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