Better Auth v1.1.22-beta.2 版本发布:客户端路径配置与双因素认证优化
Better Auth 是一个现代化的身份认证解决方案,旨在为开发者提供安全、灵活且易于集成的认证功能。该项目支持多种认证方式,包括传统的用户名密码认证、社交账号登录以及双因素认证等,帮助开发者快速构建安全的用户认证系统。
本次发布的 v1.1.22-beta.2 版本带来了两个重要的改进和一个关键修复,进一步提升了框架的灵活性和用户体验。
客户端基础路径配置功能
新版本在 createAuthClient 方法中新增了 basePath 配置选项,这一改进为开发者提供了更大的灵活性。在实际应用中,认证服务往往需要部署在特定的路径下,例如 /api/auth 或 /v1/auth。通过 basePath 选项,开发者可以轻松指定认证服务的基准路径,而无需修改客户端代码的其他部分。
这一特性特别适合以下场景:
- 微服务架构中,认证服务需要与其他服务共享同一域名但不同路径
- 需要将认证服务部署在非根路径下的情况
- 多环境部署时,不同环境可能使用不同的路径前缀
双因素认证的"记住我"功能修复
本次版本修复了一个关于双因素认证(2FA)的重要问题。在之前的版本中,即使用户在登录时勾选了"记住我"选项,系统在处理双因素认证流程时也会忽略这一设置。这意味着即使用户希望保持长期登录状态,仍然需要在每次会话时完成双因素验证。
新版本修复了这一问题,现在系统会正确识别并尊重用户在登录时选择的"记住我"选项。这一改进显著提升了用户体验,特别是对于那些频繁使用应用的用户来说,减少了不必要的验证步骤,同时保持了系统的安全性。
数据库迁移脚本优化
针对使用CDN服务商D1数据库的用户,本次版本对生成的迁移脚本进行了优化。修复了迁移脚本中最后一个分号缺失的问题,确保所有迁移语句都能被正确执行。这一改进虽然看似微小,但对于依赖自动化迁移流程的开发者和部署系统来说至关重要,避免了因语法问题导致的部署失败。
总结
Better Auth v1.1.22-beta.2 版本虽然是一个预发布版本,但带来的改进和修复都具有实际价值。新增的 basePath 配置增强了框架的灵活性,双因素认证的改进提升了用户体验,而迁移脚本的优化则提高了系统的可靠性。这些改进共同使得 Better Auth 在构建现代Web应用的认证系统时更加得心应手。
对于正在考虑或已经使用 Better Auth 的开发者,建议关注这些改进,特别是如果需要定制认证服务路径或正在使用双因素认证功能的情况下。这些优化将帮助开发者构建更符合业务需求且用户体验更佳的身份认证系统。
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-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