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。
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