Mastodon v4.3.4版本发布:安全修复与功能优化
Mastodon是一个开源的分布式社交网络平台,采用ActivityPub协议实现不同实例间的互联互通。作为Twitter的替代方案之一,Mastodon以其去中心化的架构和用户自治的特点获得了广泛关注。2025年2月27日,Mastodon团队发布了v4.3.4版本,这是一个包含重要安全修复的维护性更新。
安全更新
本次版本最值得关注的是多个安全问题的修复:
-
HTML净化机制改进:移除了不可用且未使用的
embed标签,防止潜在的跨站脚本攻击。这一修复对应CVE编号GHSA-mq2m-hr29-8gqf。 -
注册验证邮件限速机制:修复了注册验证邮件发送的速率限制问题,防止潜在的滥用行为,对应CVE编号GHSA-v39f-c9jj-8w7h。
-
域屏蔽信息泄露修复:解决了未验证用户可能查看域屏蔽信息的问题,对应CVE编号GHSA-94h4-fj37-c825。
这些安全修复建议所有运行Mastodon实例的管理员尽快升级,特别是公开实例的管理者。
功能改进
除了安全修复外,v4.3.4版本还包含了一些功能优化:
-
内容警告展开显示:现在当用户展开包含内容警告的帖子时,预览卡片也会一同显示,改善了用户体验。
-
加密密钥警告增强:对修改加密密钥的警告信息进行了视觉强化,使管理员更容易注意到这一关键操作。
-
设置脚本优化:
mastodon:setup脚本现在会防止意外覆盖已配置的服务器设置。 -
通知过滤规则调整:来自版主的通知现在不会被过滤系统拦截,确保重要管理通知能够送达。
问题修复
版本修复了多个影响稳定性和功能的问题:
-
通知API修复:解决了未分组通知在特定API端点无法正确处理的问题。
-
媒体处理优化:修复了某些系统上libvips版本兼容性问题,改进了图像处理稳定性。
-
时间线生成效率:优化了时间线生成的算法,提高了系统响应速度。
-
投票验证:现在编辑帖子时会正确验证投票选项的有效性。
-
远程账户标签同步:修复了远程账户的特色标签不能及时更新的问题。
升级指南
对于运行v4.3.3版本的用户,升级步骤相对简单:
非Docker环境
- 安装依赖:
bundle install - 预编译资源:
RAILS_ENV=production bundle exec rails assets:precompile - 重启所有Mastodon进程
Docker环境
直接重启所有容器即可完成升级。
重要提示:升级前务必备份数据库。对于docker-compose用户,可以使用类似命令:docker exec mastodon_db_1 pg_dump -Fc -U postgres postgres > backup.dump
兼容性说明
v4.3.4版本保持了与之前版本相同的依赖要求:
- Ruby 3.1+
- PostgreSQL 12+(注意:PostgreSQL 14.0-14.3因数据损坏问题不受支持)
- Elasticsearch 7.x(或兼容的OpenSearch)
- Redis 4+
- Node.js 18+
- 图像处理:ImageMagick 6.9.7-7+或libvips 8.13+
对于使用夜间构建(nightly build)的用户,不应直接使用此版本,而应更新至nightly.2025-02-28-security或更高版本。
这个版本的发布体现了Mastodon团队对安全性和稳定性的持续关注,建议所有实例管理员尽快安排升级,以确保用户数据安全和系统稳定运行。
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
HunyuanVideo-1.5暂无简介00
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 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