Stripe PHP SDK v17.2.0-beta.1 版本深度解析
Stripe PHP SDK 是 Stripe 官方提供的 PHP 语言集成库,用于开发者快速接入 Stripe 支付系统。该 SDK 提供了与 Stripe API 交互的便捷方法,支持支付处理、订阅管理、发票生成等核心功能。
版本核心变更
重要行为调整
Stripe::addBetaVersion 方法逻辑进行了优化,现在当遇到版本号冲突时,会自动选择使用最高的版本号,而不再抛出异常。这一改进使得开发者在使用 beta 功能时更加灵活,减少了因版本冲突导致的中断。
API 版本更新
本次更新将默认 API 版本提升至 2025-03-31.preview,引入了多项新功能和改进,同时也包含了一些破坏性变更。
破坏性变更详解
-
优惠券持续时间枚举调整:移除了
Coupon.duration枚举中的repeating和variable值,但随后又新增了repeating值回归。 -
发票支付结构调整:移除了
InvoicePayment中的amount_overpaid字段,同时调整了支付类型枚举,移除了out_of_band_payment和payment_record选项。 -
结算信息简化:
Issuing.Settlement移除了interchange_fees、net_total、network_fees和transaction_volume字段,取而代之的是更精确的金额字段。 -
报价预览发票精简:移除了
QuotePreviewInvoice中的多个字段,包括应用费用、折扣、支付意图等,使数据结构更加专注。 -
支付记录类型变更:将多种支付记录类型从特定字面量改为更通用的字符串类型,提高了扩展性。
新增功能亮点
资金管理增强
新增了 BalanceSettings 资源,允许开发者更精细地控制余额设置。同时引入了 customer_account 字段,该字段被添加到多达 20 种资源中,显著增强了客户账户的关联能力。
税费计算改进
新增了 tax_calculation_reference 字段,支持在信用票据、发票行项目和普通行项目中引用税费计算,简化了税费处理流程。
发卡业务增强
Issuing.Settlement 新增了更精确的金额字段,如 interchange_fees_amount 和 net_total_amount,同时新增了 network_data 字段到争议结算详情中,提供了更丰富的交易网络数据。
支付记录完善
支付记录系统新增了 reported_by 字段,明确了支付尝试的报告来源。同时新增了 stripe_balance 支付方式类型,扩展了支付选项。
重磅新功能:Money CardManagement API
本次更新引入了全新的 Money CardManagement API (V2 版本),提供了全面的资金管理能力:
- 财务账户管理:通过
V2.MoneyManagement.FinancialAccount资源管理财务账户 - 资金转移:支持入站转账(
InboundTransfer)和出站转账(OutboundTransfer)的创建和管理 - 支付处理:新增出站支付(
OutboundPayment)和出站设置意图(OutboundSetupIntent)资源 - 交易监控:提供交易(
Transaction)和交易条目(TransactionEntry)的详细记录 - 事件系统:配套新增了 20 多种细粒度事件,覆盖资金流转的各个环节
这套 API 特别适合需要精细资金管理的金融科技应用,提供了从账户管理到资金流转的完整解决方案。
账户系统升级 (V2 版本)
本次更新还包含了 Accounts V2 API 的预览版,这是 Stripe 账户系统的重大升级:
- 账户管理:支持账户的创建、关闭和更新
- 账户链接:新增
AccountLink资源简化账户连接流程 - 银行账户支持:专门为英国和美国银行账户提供了不同的资源类型
- 人员管理:通过
Person资源管理账户关联人员 - 事件系统:配套新增了账户配置更新、身份更新等多种事件
这套 API 特别适合 SaaS 平台和多租户系统,提供了更灵活的账户管理能力。
开发者建议
对于考虑升级到 v17.2.0-beta.1 的开发者,建议:
- 仔细评估破坏性变更对现有代码的影响
- 新功能如 Money CardManagement 和 Accounts V2 目前处于预览阶段,适合早期评估但不建议生产环境使用
- 利用新增的事件系统构建更健壮的业务流程监控
- 税费计算相关改进可以显著简化税费处理逻辑
这个版本为 Stripe PHP SDK 带来了显著的架构改进和功能扩展,特别是资金管理和账户系统的增强,为构建复杂金融应用提供了更强大的工具集。
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