Better Auth v1.1.9 版本发布:增强认证功能与修复关键问题
Better Auth 是一个现代化的认证解决方案,旨在为开发者提供灵活、安全的用户认证功能。该项目支持多种认证方式,包括传统的用户名密码认证、OAuth 集成、邮件验证以及新兴的Passkey技术等。最新发布的v1.1.9版本带来了一些重要的功能增强和问题修复,进一步提升了系统的稳定性和可用性。
功能增强
邮件验证支持自定义过期时间
在用户认证流程中,邮件验证是一个关键环节。新版本现在支持为邮件验证链接设置自定义的过期时间(expiresIn)。这一改进使得开发者可以根据业务需求和安全策略,灵活控制验证链接的有效期。例如,对于高安全要求的应用,可以设置较短的过期时间(如15分钟);而对于用户体验优先的场景,则可以适当延长有效期(如24小时)。
通用OAuth插件支持参数覆盖
在OAuth集成方面,新版本增强了通用OAuth插件的灵活性。现在开发者可以覆盖认证URL中的默认参数,这为与各种OAuth提供商的集成提供了更大的定制空间。这一特性特别适用于需要传递特殊参数或需要与特定OAuth实现兼容的场景。
问题修复
版本一致性修复
解决了项目中Better Call组件版本不一致的问题,确保了整个系统的稳定性和一致性。版本不一致可能导致难以预料的行为和兼容性问题,这一修复有助于提升系统的可靠性。
OpenAPI相关改进
- 为OpenAPI模式添加了版本信息,这使得API文档更加完整,便于开发者了解所使用的API版本。
- 导出OpenAPI类型定义,为使用TypeScript的开发者提供了更好的类型支持,提升了开发体验。
邮件OTP的速率限制
修复了邮件一次性密码(OTP)功能中默认速率限制规则未正确应用的问题。现在系统会按照预期对邮件OTP请求进行速率限制,防止滥用和暴力攻击,提高了系统的安全性。
Passkey功能改进
修复了Passkey功能中获取baseURL方式不一致的问题。Passkey作为一种新兴的无密码认证技术,其稳定性和一致性对于用户体验至关重要。这一修复确保了Passkey功能在不同环境下的可靠运行。
总结
Better Auth v1.1.9版本虽然在功能上没有重大变革,但通过一系列精细化的改进和问题修复,显著提升了系统的稳定性、安全性和开发者体验。特别是邮件验证自定义过期时间和OAuth参数覆盖能力的增强,为开发者提供了更大的灵活性。这些改进使得Better Auth在各种认证场景下都能提供更加可靠和定制化的解决方案。
对于正在使用或考虑采用Better Auth的开发者来说,升级到v1.1.9版本将能够获得更稳定、更灵活的认证功能,同时也能享受到更好的开发体验。
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