Better Auth 1.2.5-beta.1版本发布:账户解绑与OAuth增强
Better Auth是一个现代化的身份验证解决方案,专注于为开发者提供灵活、安全的用户认证管理功能。该项目支持多种认证方式,包括OAuth、OpenID Connect等协议,并提供了丰富的API接口和客户端支持。
主要更新内容
账户管理功能增强
本次版本在账户管理方面进行了重要改进,新增了允许解绑所有账户的选项。这一功能为系统管理员提供了更大的灵活性,当需要重置用户账户关联状态时,可以快速解除所有第三方账户的绑定关系。该功能特别适合以下场景:
- 用户账户迁移
- 安全事件后的账户重置
- 系统集成变更时的账户清理
开发者可以通过配置参数启用此功能,确保在提供便利的同时不会意外触发大规模解绑操作。
OAuth相关修复与优化
-
回调URL处理增强
修复了回调URL中加号(+)字符被错误处理的问题。现在系统能够正确识别包含加号的相对回调URL,这对于某些特殊场景下的OAuth流程尤为重要。 -
基础认证参数支持
在generic-oauth模块中,oauth2Callback方法现在支持基础认证(Basic Auth)参数。这一改进使得Better Auth能够更好地与要求HTTP基本认证的OAuth服务提供商集成。 -
OpenAPI类型修复
解决了OpenAPI类型定义和引用中的多个问题,提升了API文档的准确性和一致性。这些修复包括:- 类型定义不完整的问题
- 引用关系错误的问题
- 文档生成时的类型校验问题
Expo客户端兼容性改进
针对使用Expo框架的移动应用开发者,本次更新修复了fetch类型不匹配导致的客户端插件类型错误。这一改进使得Better Auth在Expo环境下的集成更加顺畅,减少了类型检查时的报错情况。
技术细节解析
账户解绑实现机制
新的账户解绑功能采用了权限分级的设计理念:
- 默认情况下保持原有行为,不允许批量解绑
- 通过显式配置开启批量解绑能力
- 执行解绑操作时进行必要的安全验证
这种设计既保证了灵活性,又不会降低系统的安全性。
OAuth基础认证集成
对于需要基础认证的OAuth流程,Better Auth现在支持以下配置方式:
- 直接在配置中提供client_id和client_secret
- 支持通过Authorization头传递认证信息
- 自动处理认证令牌的编码和传输
这一改进显著提升了与严格遵循OAuth2规范的服务提供商的兼容性。
升级建议
对于正在使用Better Auth的开发者,建议在测试环境中先行验证1.2.5-beta.1版本,特别注意:
- 如果使用了自定义的回调URL包含特殊字符
- 如果集成了需要基础认证的OAuth服务
- 如果在Expo环境中遇到类型错误
本次更新虽然主要是修复和改进,但仍建议进行全面测试后再部署到生产环境。对于需要账户批量解绑功能的系统,可以开始评估和设计相应的管理流程。
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-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