Prebid.js 9.35.0版本发布:原生广告支持与渲染优化
Prebid.js是一个开源的头部竞价解决方案,它允许发布商通过统一的集成方式对接多个广告需求源,从而实现广告收益的最大化。作为数字广告领域的重要基础设施,Prebid.js持续迭代更新以满足行业需求。最新发布的9.35.0版本带来了一系列值得关注的新特性、功能改进和错误修复。
原生广告支持与视频广告增强
本次更新中,Conversant Bid Adapter增加了对原生广告的支持。原生广告是一种与发布商网站内容风格高度融合的广告形式,能够提供更好的用户体验。通过这一更新,发布商现在可以通过Conversant需求源获取原生广告创意,并利用Prebid.js的统一接口进行管理和展示。
在视频广告方面,IncrementX Bid Adapter新增了instream视频广告支持。instream视频广告是指在视频内容播放前、中或后展示的广告形式,是视频内容变现的重要方式。这一增强使得发布商能够通过IncrementX需求源获取更多样化的视频广告资源。
渲染性能优化
本次版本对广告渲染机制进行了重要改进。通过替换多个适配器中的布局计算方式,使用更高效的getBoundingClientRect和百分比可视区域(inview)库,显著提升了广告渲染性能。这种优化特别有利于移动端页面,能够减少布局计算带来的性能开销,从而改善页面加载速度和用户体验。
核心模块方面,现在会始终向PUC(Publisher Unified Configuration)发送rendererVersion信号。这一改进使得发布商能够更准确地追踪和管理不同版本的广告渲染器,有助于问题排查和性能监控。
用户同步与隐私合规增强
Smarthub Bid Adapter在此版本中增加了用户同步(UserSyncs)功能。用户同步是程序化广告中的关键技术,它允许不同需求方在尊重用户隐私的前提下,对用户身份进行识别和匹配,从而提高广告相关性和竞价效率。
在隐私合规方面,xeUtils/bidderUtils.js现在会传递完整的gdprConsent对象给竞价方。这一改进确保了GDPR合规要求的严格实施,使竞价方能够基于完整的用户同意信息做出更合规的竞价决策。
错误修复与稳定性提升
本次版本修复了几个关键问题,包括:
- Agma Analytics Adapter中访问getWindowTop前的安全检查,防止了潜在的错误。
- 改进了用户ID模块对来自多个替代源但具有冲突竞价方限制的ID的处理逻辑,解决了某些情况下用户识别不一致的问题。
这些修复提高了系统的稳定性和可靠性,减少了边缘情况下的错误发生。
维护性改进与代码优化
在代码维护方面,本次更新包含多项改进:
- CEE ID系统增加了向端点请求ID的功能,扩展了其使用场景。
- PAAPI模块现在会在启用PAAPI时自动启用adAuctionHeaders,简化了配置流程。
- 多个适配器进行了代码清理和参数更新,如OpenX Bid Adapter的mtype清理和RichAudience Bid Adapter移除视频播放器的废弃参数。
这些维护性工作虽然不直接影响功能,但对于长期的项目健康度和开发者体验至关重要。
总结
Prebid.js 9.35.0版本在广告格式支持、渲染性能、用户同步和隐私合规等方面都有显著进步。这些改进不仅增强了发布商的变现能力,也提升了终端用户的体验。随着程序化广告生态的不断发展,Prebid.js持续通过这样的迭代更新来满足行业需求,巩固其作为开源头部竞价解决方案的领导地位。
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