Prebid.js 9.50.0版本发布:视频广告适配器与RTD模块增强
Prebid.js是一个开源的头部竞价解决方案,它允许发布商通过统一的集成方式管理多个广告需求源。作为数字广告领域的重要基础设施,Prebid.js持续迭代更新以满足行业需求。本次发布的9.50.0版本带来了新的视频广告适配器支持,并对实时数据(RTD)模块进行了重要改进。
新增360playvid视频广告适配器
本次版本最显著的变化是引入了360playvid Bid Adapter的初始版本。这是一个专门针对视频广告场景设计的适配器,标志着Prebid.js在视频广告领域的进一步扩展。视频广告作为数字广告市场增长最快的细分领域之一,这一新增适配器将为发布商提供更多变现选择。
360playvid适配器的加入使得发布商能够:
- 接入360playvid平台的视频广告资源
- 在头部竞价环境中实现视频广告位的程序化交易
- 与其他广告需求源公平竞争,最大化视频广告收益
实时数据(RTD)模块的改进
PubMatic RTD模块在本版本中获得了多项增强,这些改进主要集中在动态底价功能上:
-
合作伙伴支持:现在RTD模块能够更好地支持合作伙伴参与动态底价计算,这意味着发布商可以获得更精准、更具竞争力的底价策略。
-
空值检查修复:修复了auctionDelay参数的空值检查问题,提高了模块的稳定性,避免因空值导致的竞价流程中断。
-
可视度数据传递:PubMatic Bid Adapter现在能够发送广告位的可视度百分比数据,为广告主提供更透明的展示环境信息,有助于提升广告效果评估的准确性。
用户身份系统优化
用户身份识别是现代程序化广告的核心组件之一。本版本对相关系统进行了多项优化:
-
imuIdSystem增强:现在能够传递更多必要的参数用于ID确定,提高了用户识别的准确性和覆盖率。
-
UID2模块错误处理:改进了错误日志记录机制,确保在捕获错误的同时不会对测试环境造成干扰。
-
废弃参数替换:Ogury Bid Adapter中已废弃的userId参数被更新为现代标准,保持与最新规范的兼容性。
广告适配器功能扩展
多个广告适配器在本版本中获得了功能增强:
-
Vidoomy适配器:现在支持多竞价响应处理,提高了该平台的集成灵活性。
-
TargetVideo适配器:能够发送用户eids/数据,并更新了cookie加载URL,增强了用户定向能力。
-
IX适配器:修复了诊断ID对象的问题,提高了调试信息的准确性。
代码质量与维护
开发团队持续关注代码质量和维护工作:
-
测试工具改进:测试工具现在使用switchFrame API,提高了测试的可靠性和一致性。
-
代码复用优化:Asteriobid分析适配器通过导入公共代码减少了重复,提高了代码可维护性。
-
代码风格统一:修复了多处代码风格问题,包括空白行规范等,保持了代码库的整洁性。
总结
Prebid.js 9.50.0版本通过新增视频广告适配器、增强RTD模块功能、优化用户身份系统等一系列改进,进一步巩固了其作为开源头部竞价解决方案的领导地位。这些变化不仅为发布商提供了更多变现工具,也为广告主创造了更透明、高效的竞价环境。随着程序化广告生态的不断发展,Prebid.js持续通过技术创新满足行业需求,推动数字广告向更加开放、透明的方向发展。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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