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。
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