Workerd项目v1.20250415.0版本发布:Python ASGI支持与Socket增强
Workerd是一款开源的高性能JavaScript/Wasm运行时环境,专为构建分布式计算应用而设计。它支持多种编程语言和协议,能够在全球分布的节点上高效运行。
本次发布的v1.20250415.0版本主要带来了对Python ASGI应用的更好支持,以及Socket相关功能的增强,同时还包含了一些内部优化。
Python ASGI模块自动注入
新版本改进了Python工作线程的处理方式,现在会自动注入ASGI模块。ASGI(Asynchronous Server Gateway Interface)是Python异步Web应用的接口标准,类似于WSGI但支持异步操作。这一改进意味着:
- 开发者不再需要手动配置ASGI模块
- 简化了Python Web应用的部署流程
- 确保了ASGI应用的兼容性和稳定性
这项改进特别适合使用FastAPI、Starlette等现代Python Web框架的开发者,使得这些框架在Workerd环境中的运行更加无缝。
Socket功能增强
本次更新为Socket类新增了两个重要属性:
upgraded属性:用于标识Socket是否已升级(如从HTTP升级到WebSocket)secureTransport属性:指示Socket是否使用了安全传输协议(如TLS)
这些增强使得开发者能够更精确地控制和管理网络连接状态,特别是在处理协议升级和安全通信场景时更加方便。例如,开发者现在可以轻松检查一个连接是否已安全加密,或者在处理WebSocket连接时确认升级是否成功。
AutoRAG流式支持
AutoRAG功能现在增加了流式支持。RAG(Retrieval-Augmented Generation)是一种结合信息检索和生成模型的技术,常用于构建智能问答系统。流式支持的加入意味着:
- 可以逐步获取生成结果,而不必等待整个处理完成
- 降低了响应延迟,提升了用户体验
- 更适合处理大规模数据或长时间运行的任务
这项改进对于构建实时交互式AI应用特别有价值,开发者现在可以创建响应更快的智能服务。
JS RPC目标处理优化
在内部机制方面,新版本优化了JavaScript RPC(远程过程调用)目标对象的处理方式。现在会在构造时就调度目标对象的释放,这一改变带来了:
- 更及时的资源回收
- 减少内存泄漏风险
- 提升整体运行效率
虽然这项改进对普通开发者来说可能不太明显,但它确实提高了Workerd运行时的稳定性和性能表现。
总结
Workerd v1.20250415.0版本通过多项改进继续强化其作为分布式计算运行时的能力。Python ASGI支持的完善使得Python开发者能够更轻松地部署现代Web应用,Socket功能的增强提供了更细粒度的连接控制,而AutoRAG的流式支持则为AI应用开发打开了新的可能性。
这些更新体现了Workerd项目对开发者体验的持续关注,以及对现代应用开发需求的快速响应。无论是构建Web服务、实时通信应用还是AI服务,新版本都提供了更强大、更灵活的工具支持。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00