Stripe Ruby库v15.2.0版本发布:支付功能全面升级
Stripe Ruby库是Stripe官方提供的Ruby语言SDK,它让开发者能够轻松集成Stripe的各种支付功能到Ruby应用中。作为连接Ruby应用与Stripe API的桥梁,这个库简化了支付流程的实现,包括收款、订阅、账单管理等复杂功能。
核心更新内容
本次v15.2.0版本带来了多项重要功能增强和API改进,主要围绕支付流程优化和功能扩展展开。
1. 账单支付附件功能
新增了attach_payment方法到Invoice资源,这为账单处理流程带来了更灵活的支付方式管理能力。开发者现在可以直接将支付方式附加到账单上,简化了账单支付流程。
2. 终端读卡器输入收集
Terminal::Reader资源新增了collect_inputs方法,以及配套的测试辅助方法succeed_input_collection和timeout_input_collection。这些改进使得在实体店场景下处理读卡器输入更加便捷,特别是在需要收集用户输入信息时。
3. 支付方式配置扩展
支付方式配置方面新增了对韩国本地支付方式的支持,包括:
- Kakao Pay
- Naver Pay
- Payco
- Samsung Pay
- 韩国信用卡(KR Card)
这些新增选项让面向韩国市场的应用能够更轻松地集成本地流行的支付方式。
4. 订阅管理增强
订阅相关资源新增了billing_thresholds参数,这为订阅管理带来了更精细化的控制能力。开发者现在可以设置账单阈值,实现更灵活的订阅计费策略。
5. 身份验证信息完善
身份验证报告和会话中新增了个人信息相关字段,包括:
- gender(性别)
- unparsed_place_of_birth(原始出生地信息)
- unparsed_gender(原始性别信息)
这些新增字段有助于构建更完善的用户身份验证流程。
技术细节改进
除了上述功能增强外,本次更新还包含多项技术细节优化:
-
必填字段调整:明确了一些参数的必填要求,如
Billing::Alert中的meter参数现在被标记为必填,这有助于开发者更早发现配置问题。 -
支付意图优化:
PaymentIntent资源新增了对Satispay支付方式选项的支持,并针对Billie支付方式增加了capture_method参数。 -
退款处理增强:Paypal退款目的地详情中新增了
network_decline_code字段,提供更详细的退款失败信息。 -
费用计算改进:费用计算行项目现在支持
metadata参数,便于开发者添加自定义元数据。
开发者体验提升
本次更新还新增了CONTRIBUTING.md文件,为希望参与项目贡献的开发者提供了明确的指南。这表明项目维护者重视社区贡献,并致力于改善开源协作体验。
升级建议
对于正在使用Stripe Ruby库的开发者,建议尽快评估升级到v15.2.0版本,特别是:
- 需要支持韩国支付方式的应用程序
- 使用实体读卡器处理支付的零售场景
- 需要更精细订阅管理的SaaS应用
- 对身份验证有严格要求的产品
升级时应注意API版本已更新为2025-05-28.basil,确保兼容性检查。对于生产环境,建议先在测试环境验证所有关键支付流程。
这次更新进一步巩固了Stripe Ruby库作为Ruby支付集成首选解决方案的地位,为开发者提供了更强大、更灵活的工具来构建现代支付体验。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00