Stripe Python SDK v12.1.0b3 版本更新解析
Stripe Python SDK 是 Stripe 官方提供的 Python 语言支付接口封装库,它让开发者能够方便地在 Python 应用中集成 Stripe 的各种支付功能。本次发布的 v12.1.0b3 版本是一个预发布版本,带来了多项重要的功能增强和接口更新。
外汇报价功能(FxQuote)的引入
本次更新最显著的变化是新增了 FxQuote 资源及相关操作接口。FxQuote 允许开发者获取实时的外汇汇率报价,这对于处理跨境支付业务尤为重要。开发者现在可以通过 SDK 创建、查询和获取外汇报价的详细信息。
新支持的接口包括:
- 创建外汇报价
- 获取外汇报价列表
- 检索特定外汇报价
这一功能特别适合需要处理多种货币结算的电商平台或跨境服务提供商,能够帮助他们更准确地计算和显示不同货币间的兑换金额。
支付意图(PaymentIntent)的增强
PaymentIntent 接口在本版本中获得了多项重要更新:
-
支付明细扩展:新增了
payment_detail字段,支持customer_reference和order_reference参数,方便商家将支付与客户订单关联起来。 -
金额明细增强:PaymentIntent 的金额明细现在支持更细粒度的分解,包括:
- 折扣金额(discount_amount)
- 商品行项目(line_items)
- 运费(shipping)
- 费用(fee)
这些增强使得支付对账更加清晰透明,特别适合需要详细展示账单构成的应用场景。
账单详情中的标识支持
在多个资源中,账单详情(billing_detail)现在支持添加标识(id)。这一更新影响以下资源:
- Charge
- ConfirmationToken
- PaymentIntent
- PaymentMethod
- SetupIntent
- Treasury OutboundPayment
这对于需要符合不同地区规定的企业尤为重要,可以方便地在支付过程中收集和传递相关信息。
优惠券(Coupon)功能扩展
优惠券功能新增了两个重要属性:
- script:允许定义更复杂的优惠券逻辑
- type:标识优惠券的类型
这使得商家可以创建更灵活多样的促销活动,满足不同的营销需求。
支付方式配置更新
支付方式配置(PaymentMethodConfiguration)现在支持巴西的 PIX 支付方式。PIX 是巴西流行的即时支付系统,这一更新使得面向巴西市场的应用可以更方便地集成本地支付方式。
注册国家扩展
注册功能新增了对多个国家的支持,包括阿联酋(aw)、阿塞拜疆(az)、孟加拉国(bd)、贝宁(bj)、埃塞俄比亚(et)、吉尔吉斯斯坦(kg)、老挝(la)和菲律宾(ph)。这使得在这些地区运营的企业可以更方便地处理相关事宜。
其他重要更新
- 发票(Invoice)接口移除了
attach_payment_intent方法 - 新增了 Affirm 作为支持的支付方式
- 人员(Person)信息中增加了相关数据支持
- 退款(Refund)状态新增了待处理原因(pending_reason)字段
开发者注意事项
作为预发布版本,v12.1.0b3 中的新功能可能会在正式发布前有所调整。建议开发者在测试环境中先行评估这些新功能,特别是外汇报价和增强的支付明细功能,这些可能会对现有的支付流程产生影响。
对于需要处理多币种支付的开发者,新的 FxQuote 功能提供了更专业的外汇处理能力,值得特别关注。同时,账单详情中标识的支持也使得相关处理更加便捷。
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