Dj-Stripe 2.9.0版本发布:重大更新与现代化升级
Dj-Stripe是一个将Stripe支付系统深度集成到Django框架中的开源项目,它提供了完整的Stripe API封装和Django模型映射,使开发者能够轻松地在Django应用中处理支付、订阅、发票等金融业务。最新发布的2.9.0版本带来了多项重要更新,标志着该项目向现代化技术栈迈出了重要一步。
核心变更与破坏性更新
Dj-Stripe 2.9.0版本包含了几项重要的破坏性变更,开发者需要特别注意:
-
移除废弃功能:包括DJSTRIPE_WEBHOOK_TOLERANCE、DJSTRIPE_WEBHOOK_SECRET设置项,以及Order模型和Source相关模型的直接支持。这些功能在之前的版本中已被标记为废弃,现在正式移除。
-
Webhook处理改进:移除了对未存储在数据库中的旧版webhook的支持,同时新增了对APPEND_SLASH=False配置的支持,这要求开发者更新Stripe端的webhook配置以移除结尾斜杠。
-
支付方法简化:移除了不支持的Customer.add_card方法,使API更加简洁。
技术栈升级与版本支持
本次版本对技术栈支持进行了重大调整:
-
Python与Django版本:最低要求提升至Python 3.10和Django 4.2,放弃了对旧版本的支持,使项目能够充分利用现代Python和Django的特性。
-
数据库驱动:新增了对纯Python实现的Psycopg 3(psycopg)包的支持,为PostgreSQL用户提供了更多选择。
-
Stripe SDK:最低Stripe SDK版本提升至8.0.0,确保与Stripe最新API的兼容性。
重要功能改进
-
stripe_data字段:所有模型新增了stripe_data字段,存储完整的Stripe原始数据。这一变更旨在为未来的3.0版本做准备,届时模型结构将有重大调整。
-
Webhook验证改进:DJSTRIPE_WEBHOOK_VALIDATION设置被弃用,转而支持WebhookEndpoint模型上的djstripe_validation_method字段,允许按端点配置验证方法。
-
枚举字段优化:所有枚举字段的最大长度统一设置为255,解决了向前兼容性问题。
问题修复与稳定性提升
2.9.0版本修复了多个关键问题:
-
Stripe Identity支持:修复了与Stripe身份验证相关的多个问题。
-
财务信息处理:修正了非客户关联财务信息的支持问题。
-
退款处理:解决了连接账户退款对象处理的问题。
-
发票同步:修复了处理带有空折扣的发票时可能发生的崩溃问题。
-
订阅激活:修正了当计划为None时Subscription.reactivate()的问题。
-
长收据号支持:改进了对长收据编号的处理。
向后兼容性建议
对于正在使用Dj-Stripe的项目,升级到2.9.0版本需要注意:
-
检查是否使用了任何已移除的API或设置,如Customer.add_card方法或旧版webhook处理。
-
如果项目依赖特定的SQL查询访问Dj-Stripe模型,建议改为查询stripe_data JSON字段,以减少未来版本升级时的工作量。
-
对于Webhook配置,需要根据APPEND_SLASH设置调整Stripe端的URL配置。
-
考虑将Webhook验证配置迁移到新的基于端点的系统。
Dj-Stripe 2.9.0版本的发布标志着该项目向更现代化、更稳定的方向迈进,虽然带来了一些破坏性变更,但这些改进为未来的功能扩展和性能优化奠定了坚实基础。对于新项目,建议直接采用此版本;对于现有项目,建议在测试环境中充分验证后再进行升级。
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-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