urllib3 2.4.0版本发布:HTTP/2支持筹款与安全增强
urllib3是Python生态中一个广受欢迎的高级别HTTP客户端库,它为开发者提供了简洁而强大的API来处理HTTP请求。作为Python标准库中http.client和urllib模块的替代方案,urllib3被广泛应用于Requests、pip等众多知名项目中。
HTTP/2支持筹款计划
urllib3项目团队正在为HTTP/2支持功能筹集约4万美元资金。这一功能将为Python生态带来重大改进,使Requests、pip、云SDK等数千个项目能够受益于HTTP/2协议带来的性能提升。项目团队强调,这一筹款不仅是为了开发HTTP/2支持,更是为了确保项目长期可持续的维护工作。
2.4.0版本特性解析
许可证规范更新
新版本遵循PEP 639规范,在pyproject.toml中明确指定了许可证字段。这一改进使得项目的许可证信息更加标准化和易于识别,有助于开发者更好地理解和使用该库。
异常处理增强
异常处理机制得到了显著改进,现在能够在pickle/序列化过程中保存和恢复更多属性。这一增强使得异常对象在跨进程或网络传输时能够保持更完整的状态信息,为分布式系统开发提供了更好的支持。
安全验证标志新增
create_urllib3_context函数新增了verify_flags选项,默认情况下对于Python 3.13+版本会启用VERIFY_X509_PARTIAL_CHAIN和VERIFY_X509_STRICT标志。这一改进增强了X.509证书验证的严格性,提高了HTTPS连接的安全性。
问题修复
2.4.0版本修复了Emscripten环境下流式数据部分读取的问题。Emscripten是一个将C/C++代码编译为WebAssembly的工具链,这一修复确保了urllib3在WebAssembly环境中的稳定运行。
开发工具改进
项目开发环境进行了现代化升级,现在使用uv工具来安装开发依赖。uv是一个新兴的Python包管理工具,以其快速和可靠著称。这一变更将提高开发者的工作效率。
发布文件认证调整
从2.4.0版本开始,GitHub发布中移除了multiple.intoto.jsonl资产。项目团队指出,自2.3.0版本以来的发布文件认证信息都可以在PyPI上找到。这一调整简化了发布资产,同时保持了发布文件的可靠性验证机制。
总结
urllib3 2.4.0版本在安全性、异常处理和开发体验方面都做出了有价值的改进。特别值得注意的是项目团队正在积极筹款开发HTTP/2支持,这预示着未来版本将带来更强大的功能和性能提升。对于依赖HTTP通信的Python开发者来说,升级到2.4.0版本将获得更稳定和安全的网络请求体验。
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