Prebid.js 9.27.0版本发布:原生广告支持与RTD模块增强
Prebid.js作为开源头部竞价解决方案的最新版本9.27.0带来了多项重要更新,特别是在原生广告支持和实时数据模块方面有显著增强。作为程序化广告领域的核心工具,Prebid.js通过这个版本进一步强化了其在多格式广告交易中的能力。
原生广告支持全面升级
本次版本最值得关注的改进是对原生广告格式的深度支持。Rise Bid Adapter和OpenX Bid Adapter都新增了对原生广告格式的处理能力,这意味着发布商现在可以通过这些适配器更高效地交易原生广告资源。
原生广告作为与页面内容自然融合的广告形式,其技术要求比传统横幅广告更为复杂。Prebid.js 9.27.0通过增强这些适配器,解决了原生广告在程序化交易中的技术难题,包括:
- 结构化数据字段的标准化传输
- 创意元素的动态渲染
- 点击监测机制的统一处理
特别值得注意的是,本次更新修复了原生广告中点击监测功能不触发的问题(#12655),这对于广告效果监测至关重要。
实时数据(RTD)模块创新
LiveIntent RTD Provider的首次发布(#12631)是另一个亮点。RTD(Real-Time Data)模块允许在竞价过程中动态获取和利用用户数据,而LiveIntent的加入为电子邮件标识符的使用开辟了新途径。
同时,Contxtful RTD Provider也获得了维护更新(#12634),包括错误日志记录的改进和默认采样率的调整,这些优化将提升数据处理的可靠性和效率。
用户标识系统增强
用户识别是程序化广告的基础,9.27.0版本对用户ID系统做了重要改进:
- 放宽了EIDs(Extended IDs)的内容限制(#12651),为自定义用户标识提供了更大灵活性
- SharedId系统新增可配置的插入器(#12664),允许更精细地控制ID生成策略
- 33across ID系统现在支持通过配置启用电子邮件哈希存储(#12630),增强了用户隐私保护
广告适配器功能扩展
多个广告适配器获得了功能增强:
- Blue Bid Adapter首次发布(#12513),为生态新增了一个交易渠道
- EPlanning Bid Adapter增加了供应链对象(schain)支持(#12635),提高了广告来源透明度
- Yieldlab Bid Adapter现在会转发GDPR同意参数(#12623),更好地满足隐私合规要求
- Vidazoo Bid Adapter添加了ORTB2设备信息(#12640),完善了设备定位能力
核心架构优化
在底层架构方面,本次版本修复了几个关键问题:
- 修复了每个竞价者同步选项创建的问题(#12615),提升了竞价过程的稳定性
- IX Bid Adapter修正了请求选项字段(#12637),确保数据传输的准确性
- JW Player视频适配器改进了尺寸确定机制(#12624),在播放器渲染前就能确定广告尺寸
开发者体验改进
为方便开发者使用和维护,本次更新包含多项质量提升:
- 增强的错误日志记录机制(如#12656)
- 更清晰的GDPR文档说明(#12660)
- 参数验证的强化(如#12618对Adloox Analytics模块的JS参数约束)
Prebid.js 9.27.0通过这些更新,不仅扩展了功能边界,也提升了系统的稳定性和可靠性,为数字广告生态的参与者提供了更强大的工具。对于技术团队而言,建议特别关注原生广告相关变更和RTD模块的新增功能,这些改进可能会影响现有集成方式。
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