Mailpit v1.26.0 版本发布:新增 Prometheus 监控与 API 认证增强
Mailpit 是一个轻量级的邮件测试工具和邮件服务器,主要用于开发和测试环境中捕获和查看发送的电子邮件。它提供了一个简洁的 Web 界面,让开发者能够方便地查看、搜索和测试发送的邮件内容,而无需配置真实的邮件服务器。
主要功能更新
1. 独立的 Send API 认证配置
在 v1.26.0 版本中,Mailpit 引入了一个重要的安全增强功能 - 为 Send API 端点提供了独立的认证配置选项。这意味着管理员现在可以为邮件发送 API 设置专门的认证凭据,与主界面的认证分开管理。
这一改进特别适合以下场景:
- 需要为自动化测试脚本提供专门的 API 访问权限
- 希望限制某些用户只能发送邮件而不能访问邮件列表
- 需要为不同团队或服务设置不同的访问权限级别
2. Prometheus 监控集成
另一个重要新增功能是内置的 Prometheus 导出器。现在,Mailpit 可以暴露各种邮件相关的指标,方便运维团队监控邮件系统的运行状态。
Prometheus 监控功能提供了以下关键指标:
- 邮件接收和发送的数量统计
- 存储中的邮件总数
- 邮件处理延迟
- 系统资源使用情况
这些指标可以帮助团队:
- 监控邮件系统的健康状况
- 设置警报规则
- 分析邮件流量模式
- 进行容量规划
其他改进与修复
跨域请求处理优化
Mailpit 现在会忽略对 OPTIONS 请求的基本认证检查,当 CORS(跨域资源共享)配置启用时。这一改进使得前端应用能够更顺畅地与 Mailpit API 进行交互,特别是在跨域场景下。
macOS 兼容性修复
针对 macOS 用户,修复了 sendmail 符号链接检测的问题。这个修复确保了在 macOS 系统上 Mailpit 能够正确识别和使用 sendmail 兼容接口。
环境变量调整
新版本开始对 MP_DATA_FILE 环境变量显示弃用警告,建议用户迁移到新的配置方式。这是 Mailpit 持续改进配置系统的一部分,旨在提供更一致和灵活的配置选项。
技术实现细节
Mailpit v1.26.0 在底层也进行了多项更新:
- 升级了 Go 语言依赖项,确保使用最新的安全补丁和性能改进
- 更新了前端依赖项,提升了 Web 界面的稳定性和性能
- 优化了内部代码结构,为未来功能扩展打下基础
总结
Mailpit v1.26.0 版本通过新增 Prometheus 监控支持和 API 认证增强,进一步提升了其在开发和测试环境中的实用性和安全性。这些改进使得 Mailpit 不仅是一个简单的邮件捕获工具,更成为一个功能完善的邮件测试和监控解决方案。
对于现有用户,建议升级到这个版本以获得更好的安全性和监控能力。新用户也可以从这个版本开始,体验 Mailpit 提供的完整功能集。
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