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-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00