Better Auth项目v1.1.15-beta.5版本发布:关键Bug修复与功能优化
Better Auth是一个专注于提供现代化身份验证解决方案的开源项目,它简化了身份验证流程,同时提供了高度可定制的功能。该项目特别注重开发者体验,为各种应用场景提供了灵活的认证机制。
本次发布的v1.1.15-beta.5版本虽然是一个预发布版本,但包含了几个重要的修复和改进,这些变更将显著提升开发者在特定场景下的使用体验。
主要改进内容
Expo客户端Cookie缓存问题修复
在之前的版本中,当使用Expo客户端时,存在一个关于cookie缓存的显著问题:cookie缓存会意外覆盖原始令牌。这个问题可能导致用户在Expo环境中遇到意外的认证行为,特别是在令牌刷新或更新场景下。
新版本彻底解决了这一问题,确保了Expo环境下的令牌管理行为与预期一致。对于使用React Native和Expo构建移动应用的开发者来说,这一修复将显著提升认证流程的稳定性。
插件选项类型导出一致性优化
项目中的插件系统是Better Auth的一个重要特性,它允许开发者通过插件扩展认证功能。在之前的版本中,插件选项的类型导出存在不一致的问题,这可能导致TypeScript开发者在类型推断和自动补全方面遇到困扰。
本次更新统一了所有插件选项的类型导出方式,使类型系统更加一致和可靠。这一改进虽然看似微小,但对于使用TypeScript进行开发的团队来说,将大幅提升开发体验和代码的可维护性。
自定义请求体属性支持增强
认证流程中,开发者经常需要向认证请求中添加自定义属性。新版本增强了这一功能,现在开发者可以更灵活地向请求体中添加自定义属性,而不会受到系统限制。
这一改进特别适合需要传递额外上下文信息或实现特定业务逻辑的场景。例如,开发者现在可以轻松地在认证请求中添加设备信息、地理位置数据或其他业务相关字段,而无需担心系统限制或类型冲突。
技术影响与建议
对于正在使用或考虑采用Better Auth的开发者,建议特别关注以下方面:
-
如果您在Expo环境中遇到令牌管理问题,升级到此版本将解决相关问题。
-
TypeScript开发者将受益于更一致的类型导出,建议检查现有代码中是否利用了插件系统,并考虑是否需要调整类型引用方式。
-
需要传递额外认证上下文的开发者,现在可以更自由地扩展请求体内容,这为构建更复杂的认证流程提供了可能。
这个预发布版本虽然包含的变更不多,但每一项都针对实际开发中的痛点进行了优化,体现了Better Auth项目对开发者体验的持续关注。建议开发团队根据自身需求评估是否采用此版本,或等待后续的稳定版本发布。
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