Puppeteer-core v24.5.0 版本发布:屏幕录制功能增强与浏览器兼容性更新
Puppeteer 是一个由 Google Chrome 团队维护的 Node.js 库,它提供了高级 API 来控制 Chromium 或 Chrome 浏览器。通过 Puppeteer,开发者可以自动化完成网页截图、PDF 生成、表单提交、UI 测试等操作,是前端开发和测试自动化的重要工具。
本次发布的 Puppeteer-core v24.5.0 版本主要带来了屏幕录制功能的改进和多项浏览器兼容性更新,下面我们将详细解析这些更新内容。
屏幕录制功能增强
新版本对 screencast 功能进行了多项改进:
-
选项优化:改进了屏幕录制的配置选项,使开发者能够更灵活地控制录制行为。这意味着现在可以更精确地调整录制参数,如帧率、质量等,以适应不同的使用场景。
-
MP4 编码修复:解决了 MP4 格式视频编码的问题。在之前的版本中,某些情况下生成的 MP4 视频可能存在兼容性问题,这次更新确保了录制的视频能够在各种播放器中正常播放。
屏幕录制功能对于需要记录自动化测试过程或创建演示视频的开发者特别有用。通过这些改进,Puppeteer 的视频输出能力变得更加可靠和专业。
浏览器兼容性更新
新版本同步更新了对多个浏览器版本的支持:
Chrome 浏览器更新
- 升级至 Chrome 134.0.6998.165 版本
- 之前还包括了 134.0.6998.88 和 134.0.6998.90 版本的兼容性支持
Firefox 浏览器更新
- 支持 Firefox 136.0.1 版本
- 后续更新至 136.0.2、136.0.3 和 136.0.4 版本
这些浏览器版本的更新确保了 Puppeteer 能够与最新的浏览器功能保持同步,同时也修复了可能存在的兼容性问题。对于需要跨浏览器测试的开发者来说,这意味着更稳定和可靠的自动化体验。
依赖项更新
本次发布还更新了 @puppeteer/browsers 依赖项,从 2.8.0 版本升级到 2.9.0 版本。这个底层依赖项的更新通常会带来浏览器二进制管理方面的改进和新功能支持。
技术价值与应用场景
Puppeteer 的这些更新对于以下场景特别有价值:
-
自动化测试:屏幕录制功能的改进使得测试过程的可视化记录更加可靠,便于问题排查和结果验证。
-
网页监控:定期截图或录制网页变化,用于内容监控或存档。
-
性能分析:结合浏览器的新版本支持,可以更准确地分析网页性能指标。
-
CI/CD 流程:在持续集成流程中,可靠的浏览器自动化是关键环节。
对于已经使用 Puppeteer 的开发者,建议及时升级到这个版本,特别是那些依赖屏幕录制功能的项目。新版本不仅带来了功能增强,还通过浏览器兼容性更新确保了长期稳定性。
总的来说,Puppeteer-core v24.5.0 是一个注重实用性和稳定性的更新,进一步巩固了 Puppeteer 作为浏览器自动化领域领先工具的地位。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
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