Stripe-dotnet v47.3.0版本发布:增强财务账户与支付功能
Stripe-dotnet是Stripe官方提供的.NET客户端库,它让开发者能够轻松地在.NET应用中集成Stripe支付功能。这个库通过提供强类型的API接口,简化了与Stripe REST API的交互过程,支持支付处理、订阅管理、发票生成等电子商务核心功能。
财务账户功能增强
本次v47.3.0版本对财务账户功能进行了多项重要更新。最显著的是为Treasury.FinancialAccount资源新增了Close方法,允许开发者以编程方式关闭财务账户。这一功能对于自动化财务流程管理非常有用,特别是在需要批量处理账户生命周期时。
同时,财务账户现在支持昵称(Nickname)字段,这使得在系统中更容易识别和管理多个财务账户。新增的IsDefault属性则允许标记默认财务账户,简化了账户选择逻辑。
另一个重要改进是ForwardingSettings的引入,它提供了对财务账户转发行为的更精细控制。这些增强功能共同提升了财务账户管理的灵活性和自动化程度。
支付方式扩展
v47.3.0版本新增了对PayByBank支付方式的支持。这种支付方式现在可以用于多种场景,包括支付意图(PaymentIntent)、支付方法(PaymentMethod)和设置意图(SetupIntent)等。开发者可以在支付配置中启用PayByBank,为客户提供更多支付选择。
此外,PayPal支付方式现在支持国家(Country)字段,使得基于地区的支付处理更加精确。这些支付方式的扩展为开发者提供了更多工具来满足不同地区和客户群体的支付需求。
账户管理与合规性改进
在账户管理方面,新版本增加了对DirectorshipDeclaration和OwnershipExemptionReason的支持,这些字段对于满足不同司法管辖区的合规要求非常重要。ProofOfUltimateBeneficialOwnership文档支持也被添加,进一步简化了KYC(了解你的客户)流程。
AccountSession组件现在支持FinancialAccountTransactions、IssuingCard和IssuingCardsList,这使得在账户会话中集成这些功能变得更加容易。
错误处理与国际化
错误处理方面新增了AdviceCode字段,它出现在多种错误响应中,包括ChargeOutcome、PaymentIntentLastPaymentError等。这个代码提供了更详细的错误分类,有助于开发者实现更精确的错误处理逻辑。
在国际化方面,终端配置现在支持日元(JPY)的小费设置,这对于在日本市场运营的业务非常有用。
开发者体验优化
除了功能增强外,本次更新还包括多项开发者体验改进。项目文档中增加了CONTRIBUTING.md文件,明确了贡献指南。CI流程也进行了优化,移除了调试构建和测试步骤,提高了构建效率。
这些更新共同使Stripe-dotnet库更加完善,为开发者提供了更强大的工具来构建复杂的支付和财务管理系统。无论是处理多种支付方式,还是管理复杂的财务账户,新版本都提供了更简洁、更灵活的API接口。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust024
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00