Node.js v23.8.0 版本发布:系统CA证书支持与Zstd压缩算法引入
Node.js 是一个基于 Chrome V8 引擎的 JavaScript 运行时环境,它让开发者能够在服务器端运行 JavaScript 代码。作为当前版本(Current)的 v23.8.0 带来了多项重要更新,特别是在安全性和性能优化方面有显著改进。
系统CA证书支持增强
新版本在 macOS 和 Windows 平台上新增了 --use-system-ca 命令行标志,允许 Node.js 使用系统存储中的受信任 CA 证书。这一改进使得 Node.js 能够更好地与操作系统集成,特别是在企业环境中,系统管理员通常会集中管理证书颁发机构(CA)的信任列表。
开发者现在可以选择三种不同的 CA 证书来源:
--use-system-ca:使用系统存储的 CA 证书--use-bundled-ca:使用 Node.js 内置的 CA 证书--use-openssl-ca:使用 OpenSSL 的 CA 证书
这一功能对于需要与各种 HTTPS 服务交互的应用程序尤为重要,特别是在需要验证服务器证书的场景下。
URL Pattern API 实现
v23.8.0 引入了 URL Pattern API 的实现,这是一个用于解析和匹配 URL 的强大工具。URLPattern 构造函数现在可以从 node:url 模块导出,并将在 Node.js 24 中作为全局对象提供。
URL Pattern API 提供了一种声明式的方式来定义 URL 模式,并检查给定的 URL 是否匹配该模式。这对于路由系统、API 网关和其他需要 URL 处理的场景特别有用。开发者可以定义包含通配符、命名组和正则表达式的复杂 URL 模式,然后轻松地匹配和提取 URL 中的各个部分。
Zstandard (zstd) 压缩算法支持
Node.js 现在原生支持 Zstandard 压缩算法,这是一种现代的、高性能的压缩算法,由 Facebook 开发。zstd 提供了出色的压缩比和速度,特别适合需要高效数据压缩的场景。
在 node:zlib 模块中新增了多个 API,用于压缩和解压缩 zstd 流。这使得开发者可以在 Node.js 应用中轻松利用 zstd 的优势,特别是在处理大量数据或需要网络传输优化的场景中。
线程命名改进
为了提高调试体验,Node.js 现在会为进程创建的线程命名。对于工作线程(Worker Threads),可以使用传递给 Worker 构造函数的 name 选项来指定线程名称。
这一改进使得在调试多线程应用时,开发者能够更容易地识别和跟踪各个线程的活动,特别是在使用调试工具或分析线程转储时。
时区数据更新
Node.js 的时区数据已更新至 2025a 版本,主要变化包括:
- 南美某国从 2024 年春季开始永久采用 -03 时区
- 改进了菲律宾 1991 年前的数据准确性
这些更新确保了 Node.js 在处理日期和时间时能够提供最准确的结果,特别是对于历史日期和特定地区的时区规则。
SQLite 模块增强
SQLite 模块现在允许从用户定义函数返回 ArrayBufferView 类型的数据,这为处理二进制数据提供了更大的灵活性。此外,还修复了多个与内存管理和错误处理相关的问题,提高了模块的稳定性和可靠性。
其他改进
- 加密模块新增 API 用于获取 OpenSSL 安全级别
- 改进了错误处理和内存管理
- 更新了多个依赖项的版本
- 修复了多个 bug 和性能问题
Node.js v23.8.0 的这些改进进一步增强了其作为现代服务器端 JavaScript 运行时的能力,特别是在安全性、性能和开发者体验方面。开发者可以根据自己的需求选择性地采用这些新特性,以构建更强大、更可靠的应用程序。
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