HTTPX v1.6.10版本发布:Web探测工具的重要更新
HTTPX是一款由ProjectDiscovery开发的高性能HTTP探测工具,它能够帮助安全研究人员和渗透测试人员快速扫描和识别Web应用程序的各种特性。作为一款现代化的Web探测工具,HTTPX支持多种协议(HTTP/HTTPS/HTTP2),能够执行各种探测任务,包括但不限于标题提取、状态码检查、技术栈识别、截图捕获等。
主要修复与改进
输出格式相关修复
在v1.6.10版本中,开发团队重点修复了多个与输出格式相关的问题。首先是解决了当使用-probe选项时,JSON或CSV输出格式无法正常工作的问题。这一修复确保了用户在使用高级探测功能时,能够获得完整的输出结果。
另一个重要的修复是针对CSV输出格式的标签命名问题。在之前的版本中,某些CSV字段的命名可能存在不一致性,这会导致数据处理时出现混淆。新版本统一了这些命名规范,提高了数据解析的可靠性。
此外,团队还修复了CSV输出在使用-filter-condition参数时忽略命令行选项的问题。这意味着现在用户可以更精确地控制CSV输出中包含哪些字段,而不会因为过滤条件的使用而丢失重要信息。
截图功能优化
截图功能是HTTPX的一个重要特性,但在之前的版本中存在一个严重问题:当通过选项配置ScreenshotIdle参数时,该设置实际上并未生效,导致截图功能默认使用0值,最终无法捕获任何截图。v1.6.10版本彻底修复了这个问题,确保了截图功能能够按照用户的配置正常工作。
性能与资源优化
本次更新还包括了一些性能优化措施。开发团队移除了未使用的代理标志,精简了代码库,减少了不必要的资源消耗。同时,更新了fastdialer依赖到v0.3.0版本,解决了之前存在的CPU瓶颈问题,显著提升了工具的整体性能。
用户体验改进
在用户体验方面,v1.6.10版本为HTML摘要中的截图图像添加了懒加载功能。这一改进意味着当用户查看包含大量截图的报告时,浏览器不会一次性加载所有图像,而是根据需要逐步加载,大大提高了报告页面的响应速度和浏览体验。
总结
HTTPX v1.6.10版本虽然是一个小版本更新,但包含了多个关键修复和优化,特别是在输出格式一致性和截图功能可靠性方面做出了重要改进。这些变化使得工具更加稳定可靠,能够更好地服务于安全评估和Web应用分析工作。对于依赖HTTPX进行日常安全测试的专业人士来说,升级到这个版本将获得更流畅的使用体验和更准确的结果输出。
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
Spark-Prover-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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-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