Stripe Java SDK v29.3.0-beta.1 版本深度解析
Stripe Java SDK 是 Stripe 支付平台为 Java 开发者提供的官方客户端库,它封装了 Stripe API 的所有功能,使开发者能够轻松地在 Java 应用中集成支付、订阅、发票等金融功能。本次发布的 v29.3.0-beta.1 版本是一个预览版,带来了多项重要更新和变更。
核心变更概述
本次更新最显著的变化是将 API 版本固定为 2025-05-28.preview,同时移除了多个已弃用的预览功能,并引入了新的计费模式和支付功能增强。
移除的废弃功能
-
废弃预览资源移除:
- 完全移除了
billing.MeterErrorReport、giftcards.Card、giftcards.Transaction和privacy.RedactionJobRootObjects资源 - 移除了礼品卡相关操作的所有方法
- 产品(Product)资源不再支持
provisioning属性
- 完全移除了
-
枚举值调整:
- 从多个计费模式枚举中移除了
credits_attributed_to_debits和legacy_prorations值
- 从多个计费模式枚举中移除了
重大类型变更
-
会话(Session)更新:
checkout.SessionUpdateParams.line_items[].quantity类型从可空长整型改为必须的长整型
-
订阅取消时间调整:
- 订阅相关的
cancelAt参数现在支持max_period_end和min_period_end枚举值,而不仅仅是日期时间
- 订阅相关的
-
支付记录元数据调整:
- 多个支付记录报告方法的
metadata参数现在明确支持可空(map)类型
- 多个支付记录报告方法的
新增功能亮点
-
订阅迁移支持:
- 新增了
Subscription.migrate()方法,为订阅迁移场景提供官方支持
- 新增了
-
汽车租赁支付增强:
- 在支付详情中新增了汽车租赁相关字段,包括行驶距离、取车地点名称、还车地点名称和车辆识别号
- 驾驶员信息新增了身份证号和税号字段
-
新计费模式:
- 引入了
classic和flexible两种新的计费模式选项
- 引入了
-
金融连接增强:
- 金融账户(Account)新增了机构(institution)信息
- 金融机构(Institution)新增了国家(countries)支持
-
支付意图增强:
- 新增了
hooks支持,允许在支付流程中插入自定义逻辑 - 支付金额明细项新增了
cardPresent支付方法选项
- 新增了
技术细节深入
汽车租赁支付场景的完善
本次更新显著增强了汽车租赁支付场景的支持。新增的字段使得开发者能够更精确地记录租赁交易的关键信息:
- 车辆信息:
vehicleIdentificationNumber允许记录车辆唯一标识 - 行程信息:
distance字段可记录行驶里程 - 位置信息:
pickupLocationName和returnLocationName记录取还车地点 - 驾驶员信息:新增的
driverIdentificationNumber和driverTaxNumber增强了身份验证
这些增强使得汽车租赁行业的支付集成更加符合业务需求,特别是在需要详细交易记录的合规场景下。
订阅计费模式的演进
订阅服务的计费模式得到了重要更新:
-
移除旧模式:
- 移除了基于信用(credits)的计费模式相关功能
- 简化了系统架构,减少了维护负担
-
引入新模式:
classic模式:传统的固定周期计费flexible模式:提供更灵活的计费周期调整能力
这种调整反映了 Stripe 对订阅业务模型的深入理解,为不同业务场景提供了更合适的计费选项。
支付意图的扩展性增强
支付意图(PaymentIntent)新增的 hooks 支持是一个重要的架构改进:
- 允许开发者在支付流程的关键节点插入自定义逻辑
- 支持更复杂的支付流程定制
- 与现有的异步工作流相比,提供了更轻量级的扩展机制
同时,支付记录元数据类型的明确化(从普通 map 到可空 map)提高了类型安全性,减少了潜在的运行时错误。
开发者迁移建议
对于正在使用将被移除功能的开发者,建议:
-
礼品卡功能:
- 迁移到 Stripe 推荐的新礼品卡实现方案
- 提前测试替代方案确保业务连续性
-
计费模式变更:
- 评估
classic或flexible模式是否适合业务需求 - 对于使用旧信用模式的系统,需要设计迁移路径
- 评估
-
类型调整:
- 检查所有使用变更参数的地方,确保类型兼容
- 特别注意可空性变化可能带来的影响
-
新功能采用:
- 考虑汽车租赁增强功能是否适用于业务场景
- 评估支付意图 hooks 能否简化现有定制逻辑
总结
Stripe Java SDK v29.3.0-beta.1 版本通过清理废弃功能、增强现有场景支持和引入新特性,为开发者提供了更清晰、更强大的支付集成能力。特别是对汽车租赁和订阅计费场景的增强,以及对支付流程扩展性的改进,都体现了 Stripe 对开发者需求的深入理解。虽然包含了一些破坏性变更,但这些变化总体上使 API 更加一致和易于使用。开发者应评估这些变更对现有集成的影响,并计划适当的迁移策略。
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