ZFile 4.3.0 版本发布:增强安全性与用户体验
ZFile 是一款基于 Java 的开源网盘系统,致力于为用户提供简单易用的文件存储与管理解决方案。它支持多种存储后端,包括本地存储、WebDAV、SFTP 等,并提供了丰富的文件管理功能。最新发布的 4.3.0 版本在安全性、功能性和用户体验方面都做出了重要改进。
安全性增强
本次更新最值得关注的是新增了对 OAuth2 单点登录的支持。OAuth2 是一种行业标准的授权协议,它允许用户在不直接分享密码的情况下,授权第三方应用访问其存储在另一个服务提供者上的信息。这一功能的加入使得 ZFile 能够更好地与企业现有的身份认证系统集成,提高了系统的安全性。
另一个安全相关的改进是 SFTP 存储源现在支持密钥模式登录。相比传统的用户名密码认证,密钥认证方式更加安全,能够有效防止暴力攻击。这一改进使得 ZFile 在连接 SFTP 服务器时有了更安全的选项。
功能优化与新增
4.3.0 版本新增了清理密码文件夹缓存的功能,用户可以在首页右上角的设置按钮中找到这一选项。这一功能解决了长期使用后密码文件夹缓存可能积累过多的问题,有助于保持系统的高效运行。
在性能优化方面,开发团队对 WebDAV 存储源的连接超时进行了限制,设置为 10 秒。这一改动避免了因网络问题导致的操作长时间卡顿,提升了用户体验的流畅性。同时,系统现在会智能判断用户是否启用了存储源,未启用的存储源将不会在首页显示,使界面更加简洁。
问题修复
本次更新修复了多个影响用户体验的问题:
- 修复了为用户设置基路径后密码文件夹功能异常的问题,这一问题曾影响密码保存、预览、移动复制等操作。
- 解决了本地存储不支持 range 请求的问题,改善了文件下载体验。
- 修正了某些 WebDAV 服务器上传文件时因文件大小必传导致上传失败的问题。
- 修复了卡片模式下打开画廊模式时显示异常的问题。
- 解决了从存储源根目录返回存储源列表时上传按钮仍然占位的界面问题。
- 修复了修改密码弹窗在移动端宽度显示不全的问题。
这些修复显著提升了系统的稳定性和用户体验,使得 ZFile 在各种使用场景下都能表现得更加可靠。
总结
ZFile 4.3.0 版本在安全性、功能性和稳定性方面都做出了重要改进。新增的 OAuth2 单点登录和 SFTP 密钥认证功能增强了系统的安全性,而各种问题修复则提升了用户体验。这些改进使得 ZFile 更加适合企业级应用和个人使用场景,为用户提供了更安全、更稳定的文件管理解决方案。
对于现有用户,建议尽快升级到 4.3.0 版本以获取这些改进;对于新用户,这个版本提供了一个功能更加完善、体验更加流畅的起点。随着 ZFile 的持续发展,我们可以期待它在未来带来更多创新功能和性能优化。
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