Web Platform Tests项目更新:CookieStore API路径处理优化
Web Platform Tests(简称WPT)是一个开源的跨浏览器测试套件,旨在为Web平台提供一致的测试标准。该项目由Web开发者社区维护,包含了大量针对各种Web API和功能的测试用例。最近,WPT项目中对CookieStore API的测试进行了重要更新,主要涉及路径属性的处理方式。
CookieStore API路径处理的历史背景
CookieStore API是一种现代JavaScript API,用于以Promise方式操作浏览器cookie,相比传统的document.cookie提供了更强大和易用的功能。在早期的实现中,Chromium浏览器对CookieStore API的路径属性有一个特殊处理:当开发者设置cookie路径时,如果路径不以斜杠结尾,系统会自动追加一个斜杠。
这种自动追加斜杠的行为最初是在Chromium的一个提交中引入的,但社区发现这种处理方式与传统的document.cookie和Set-Cookie头部的行为不一致,可能导致跨API操作cookie时出现兼容性问题。
本次更新的核心内容
本次更新主要包含两个重要修改:
-
移除了路径属性的自动斜杠追加:现在CookieStore API在处理路径属性时,将保持与document.cookie和Set-Cookie头部完全一致的行为,不再自动追加斜杠。这一变更有助于提高不同cookie操作方式之间的互操作性。
-
测试清理方法的改进:在测试套件中,更新了set/delete测试的清理方法,改用Set-Cookie头部来删除cookie,而不是依赖cookieStore.delete方法。这种改变使得测试更加健壮,因为它消除了对被测API本身的依赖,遵循了测试设计的最佳实践。
技术影响与开发者注意事项
对于Web开发者而言,这一变更意味着:
-
行为一致性:现在无论使用CookieStore API、document.cookie还是直接设置HTTP头部,cookie路径的处理方式都将保持一致,减少了潜在的边界情况。
-
向后兼容性:虽然这是一个行为变更,但由于它使API更符合开发者预期,实际影响应该有限。开发者只需要注意不再依赖自动追加斜杠的行为即可。
-
测试可靠性:测试套件本身的改进意味着未来对CookieStore API的验证将更加严格和可靠,有助于保证各浏览器实现的一致性。
实现细节与质量保证
在技术实现层面,Chromium团队进行了细致的考虑:
-
变更经过了多位核心开发者的代码审查,包括对互操作性和向后兼容性的深入讨论。
-
更新了相关测试用例,确保新行为得到充分验证。
-
通过使用Set-Cookie头部进行测试清理,提高了测试的独立性和可靠性。
这一变更体现了Web平台演进的典型过程:通过社区讨论发现问题,经过技术评估后做出改进,最终通过测试套件确保各浏览器实现的一致性。对于Web开发者来说,关注这类变更有助于理解API行为的最新规范,编写出更健壮的Web应用代码。
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