Reqwest v0.12.16 版本发布:HTTP/3优化与功能增强
Reqwest 是一个广受欢迎的 Rust HTTP 客户端库,以其简单易用和高性能著称。它提供了同步和异步两种调用方式,支持多种协议特性,是 Rust 生态中处理 HTTP 请求的首选工具之一。最新发布的 v0.12.16 版本带来了一系列重要的功能增强和问题修复,特别是在 HTTP/3 支持和连接管理方面有了显著改进。
HTTP/3 功能增强
本次更新对 HTTP/3 的支持进行了多项优化:
-
BBR 拥塞控制算法:新增了
ClientBuilder::http3_congestion_bbr()方法,允许开发者启用 BBR (Bottleneck Bandwidth and Round-trip propagation time) 拥塞控制算法。BBR 是 Google 开发的一种现代拥塞控制算法,相比传统的 Cubic 算法,它能够更有效地利用网络带宽,特别是在高延迟或丢包率较高的网络环境中表现更优。 -
QUIC Grease 支持:通过
ClientBuilder::http3_send_grease()方法,开发者现在可以配置是否发送 QUIC grease。Grease 是 Google 提出的一种机制,通过在协议中随机插入无意义的字段来防止中间件对特定协议特征的过度依赖,从而提高协议的健壮性和未来兼容性。 -
响应头大小限制:新增
ClientBuilder::http3_max_field_section_size()方法,允许开发者设置最大响应头大小限制,防止恶意服务器发送过大的头部导致内存问题。 -
流式请求体支持:修复了 HTTP/3 中流式请求体(streaming request bodies)的支持问题,现在可以正常使用分块传输编码发送大文件或流式数据。
连接管理改进
在 TCP 连接管理方面,新版本增加了两个重要配置项:
-
TCP Keepalive 探测间隔:通过
ClientBuilder::tcp_keepalive_interval()方法,开发者可以设置 TCP keepalive 探测包的发送间隔。这对于检测和关闭已经失效的连接非常有用,特别是在负载均衡器或 NAT 设备后面时。 -
TCP Keepalive 重试次数:
ClientBuilder::tcp_keepalive_retries()方法允许配置在认为连接失效前发送的 keepalive 探测包数量。合理的配置可以减少因短暂网络问题导致的连接重建开销。
网络访问功能增强
新版本为网络访问功能增加了额外的头部支持:
Proxy::headers()方法允许开发者添加需要发送给网络访问服务的额外头部信息。这在需要认证或特殊指令的网络环境中非常有用,例如企业网络或云服务环境。
重要问题修复
-
重定向次数限制:修复了
redirect::Policy::limit()方法中的一个边界错误,该错误导致实际允许的重定向次数比指定值多一次。现在行为符合预期,严格遵循开发者设置的限制。 -
WASM 空体处理:修复了 WASM 环境下调用
Response::bytes_stream()时对空响应体的处理问题,现在能够正确处理 null 体情况。 -
macOS/Solaris 接口绑定:
ClientBuilder::interface方法现在在这些系统上能够正常工作,允许开发者将连接绑定到特定网络接口。
内部优化
除了用户可见的功能变化,本次更新还包含多项内部优化:
-
依赖更新:升级了 brotli 压缩库到 v7 版本,webpki-roots 到 v1 版本,提高了安全性和性能。
-
代码重构:使用 hyper-util 的代理匹配器和隧道实现,减少了代码重复,提高了可维护性。
-
资源占用优化:移除了不必要的 futures-util 依赖,减少了二进制大小和编译时间。
总结
Reqwest v0.12.16 版本在保持 API 稳定性的同时,通过新增功能和修复问题进一步提升了库的实用性和可靠性。特别是对 HTTP/3 的增强使得现代协议特性更加完善,而连接管理和网络访问功能的改进则增强了在各种网络环境下的适应性。这些变化使得 Reqwest 继续成为 Rust 生态中 HTTP 客户端的首选解决方案。
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