Starlette 0.46.0 版本发布:中间件优化与重要改进
Starlette 是一个轻量级的 ASGI 框架/工具包,它为构建高性能的异步 Web 服务提供了基础组件。作为 FastAPI 的底层框架,Starlette 在 Python 异步 Web 开发领域扮演着重要角色。最新发布的 0.46.0 版本带来了一系列值得关注的改进和优化。
GZipMiddleware 中间件增强
本次更新对 GZipMiddleware 进行了两项重要改进:
-
Vary 头部的强制添加:现在当响应可以被压缩时,中间件会确保始终添加 Vary 头部。这个改进解决了缓存一致性问题,确保中转服务器和浏览器能够正确处理压缩和非压缩版本的资源。
-
服务器发送事件(SSE)支持:中间件现在会智能地跳过对服务器发送事件(Server-Sent Events)的压缩。SSE 是一种基于 HTTP 的服务器向客户端推送数据的技术,保持其流式特性对于实时应用至关重要。
异常处理改进
BaseHTTPMiddleware 现在能够正确地传播后台任务中的异常。在之前的版本中,后台任务中的异常可能会被静默忽略,导致难以调试的问题。这一改进使得错误处理更加透明和可靠。
多部分表单解析器参数重命名
MultiPartParser 中的 max_file_size 参数已被重命名为 spool_max_size。这个更名更好地反映了参数的实际用途 - 控制文件数据在内存中的最大缓冲大小。虽然旧名称仍然可用,但建议开发者迁移到新参数名以获得更好的代码可读性。
测试客户端超时参数废弃
TestClient 的 timeout 参数现在被标记为废弃。这个变化是为了引导开发者使用更现代的异步测试模式。在测试异步应用时,直接控制事件循环的超时通常能提供更精确的测试行为。
总结
Starlette 0.46.0 版本虽然是一个小版本更新,但包含了对生产环境非常重要的改进。特别是 GZipMiddleware 的增强使得它在处理各种响应类型时更加健壮,而异常处理的改进则提升了开发体验。这些变化体现了 Starlette 项目对稳定性和开发者体验的持续关注。
对于现有项目,建议开发者特别关注 MultiPartParser 的参数变更和 TestClient 的废弃警告,适时进行代码更新以避免未来兼容性问题。
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
Spark-Prover-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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