Grafbase Gateway 0.31.0版本发布:认证策略与压缩功能升级
Grafbase是一个开源的GraphQL网关项目,旨在为开发者提供高性能、可扩展的GraphQL API服务。作为连接前端应用和后端数据源的关键组件,Grafbase Gateway不断演进以满足现代应用开发的需求。
认证策略的灵活配置
在0.31.0版本中,Grafbase Gateway引入了一个重要的认证策略改进。现在开发者可以通过authentication.default配置项明确指定默认的认证策略行为。这一变化为系统安全提供了更精细的控制能力。
在之前的版本中,如果配置了任何认证机制但请求未提供有效凭证,网关会默认拒绝访问。这种隐式的安全策略虽然保护了资源,但缺乏灵活性。新版本允许开发者明确选择两种策略:
- deny:严格模式,拒绝未经认证的请求(默认行为)
- anonymous:宽松模式,为未认证请求生成匿名令牌
这一改进特别适合需要区分公开API和私有API的场景。例如,一个电商平台可能希望产品目录API允许匿名访问,而订单管理API则需要严格认证。
子图响应压缩支持
性能优化是API网关的核心职责之一。0.31.0版本新增了对多种压缩算法的透明支持,包括:
- gzip
- brotli
- deflate
- zstd
网关会自动通过Accept-Encoding头告知子图服务其支持的压缩算法。这项功能可以显著减少网络传输的数据量,特别是在返回大型数据集时效果更为明显。
值得注意的是,当前版本仅支持响应体的压缩。如果开发者需要请求体压缩功能,可以向项目团队提出需求,这将作为高优先级功能考虑加入后续版本。
重大变更说明
认证扩展配置重构
认证扩展的配置方式进行了重大调整,使其与其他扩展的配置风格保持一致。旧版本需要通过authentication.provider声明认证提供者,新版本则直接将配置集成到扩展定义中。
这种简化设计减少了配置的复杂性,但也意味着不能再复用同一认证扩展的不同配置实例。如果项目中有此类需求,建议联系开发团队讨论解决方案。
子图错误扩展格式变更
错误处理机制也进行了优化。原先放在upstream_extensions键下的子图错误扩展,现在直接使用原生的extensions格式。只有当错误代码不存在时,系统才会自动添加。这一变更使错误响应更加符合GraphQL规范,提高了与其他工具的兼容性。
问题修复
本次发布还修复了HTTP跟踪导出的问题,改进了遥测配置处理逻辑。现在能够更好地合并全局和跟踪导出器参数,确保分布式追踪数据的完整性和准确性。
总结
Grafbase Gateway 0.31.0版本通过认证策略的灵活配置和响应压缩支持,进一步提升了产品的可用性和性能。虽然引入了一些破坏性变更,但这些改进为长期的可维护性和用户体验奠定了基础。开发者可以根据项目需求,选择适合的认证策略,同时享受自动压缩带来的性能提升。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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