Prebid.js 9.49.0版本发布:广告竞价生态的新演进
Prebid.js作为开源广告头部竞价解决方案,持续推动着程序化广告生态的技术创新。本次发布的9.49.0版本在功能扩展、性能优化和问题修复等方面都有显著提升,为开发者提供了更强大的工具集。
核心功能更新
新增适配器支持
本次版本引入了两个全新的竞价适配器,进一步扩展了Prebid.js的生态兼容性:
-
RocketLab适配器:这是一个全新的广告技术平台接入,为发布商提供了更多元的变现选择。该适配器支持标准的展示广告竞价流程,并针对现代广告场景进行了优化。
-
Valuad适配器:作为首次发布的适配器,Valuad为欧洲市场带来了本地化的广告解决方案,特别注重数据隐私合规性和广告效果追踪能力。
用户同步机制优化
Attekmi适配器在此版本中更新了用户同步策略,改进了跨设备用户识别能力。这一优化使得广告主能够更精准地触达目标受众,同时保持对用户隐私的尊重。
技术架构改进
代码质量提升
开发团队对代码库进行了多项质量改进:
- 修复了双空行的代码规范问题,统一了代码风格
- 更新了测试工具sinon的版本,增强了测试可靠性
- 移除了文档生成依赖,简化了构建流程
- 更新fun-hooks至1.1.0版本,优化了钩子函数性能
构建流程优化
项目构建系统进行了现代化改造:
- 移除了对gulp-connect的依赖,采用更现代的构建工具链
- 改进了压缩支持,减少了网络传输负载
适配器功能增强
多个现有适配器获得了重要更新:
-
Adrino适配器:增加了对Prebid 10的兼容性支持,特别是改进了用户ID作为EIDs的处理方式。
-
NodalsAi RTD提供者:增强了对GDPR合规性的支持,现在可以正确处理null GDPR对象的情况。
-
Permutive RTD模块:修复了ortb2关键词重复的问题,提高了数据传递的准确性。
-
StroeerCore适配器:现在直接使用服务器响应的meta数据,减少了数据处理环节。
-
DSPx适配器:全面升级支持Prebid.js v10,包括用户ID迁移、ortb2分类和供应链增强。
-
GumGum适配器:为UID2增加了ID属性到eids,强化了用户识别能力。
-
Lemmadigital适配器:更新了竞价请求URL并修复了视频播放器尺寸读取问题。
-
Automatad适配器:现在使用存储管理器进行数据管理,提高了数据处理的规范性。
问题修复
本次发布重点修复了EPOM DSP适配器的多个问题,提升了该适配器的稳定性和可靠性。这些修复涉及竞价流程的多个环节,确保了广告请求能够被正确处理。
开发者体验改进
开发团队持续优化开发者体验:
- 提高了Pubmatic适配器的测试覆盖率,增强了代码可靠性
- 修复了多处文档和代码中的拼写错误
- 改进了Bliink适配器的测试稳定性
这些改进使得基于Prebid.js的二次开发和集成更加顺畅,降低了开发者的维护成本。
总结
Prebid.js 9.49.0版本在保持核心稳定性的同时,通过新增适配器支持、优化现有功能和修复已知问题,进一步巩固了其作为开源广告头部竞价解决方案的领导地位。对于广告技术开发者而言,这些更新意味着更丰富的功能选择、更高的系统稳定性和更好的开发体验。随着程序化广告生态的不断发展,Prebid.js持续演进的技术能力将为行业创新提供坚实基础。
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