Uploadthing 7.5.0版本发布:新增Tailwind支持与签名URL功能
Uploadthing是一个现代化的文件上传解决方案,它简化了开发者在Web应用中处理文件上传的流程。该项目提供了React组件、API接口以及各种实用工具,让开发者能够轻松实现安全可靠的文件上传功能。
新增Tailwind CSS v4支持
在7.5.0版本中,Uploadthing新增了对Tailwind CSS v4的官方支持。开发者现在可以通过简单的CSS导入语句来使用Uploadthing提供的Tailwind样式:
@import "tailwindcss";
@import "uploadthing/tw/v4";
这一改进使得在基于Tailwind v4的项目中集成Uploadthing的UI组件变得更加容易。需要注意的是,导入路径可能需要根据项目结构进行调整,确保正确指向node_modules中的Uploadthing包。
自定义fetch实现
新版本允许开发者覆盖默认的fetch实现,这在某些特殊场景下非常有用:
- 需要添加自定义请求头
- 实现请求重试逻辑
- 使用特殊的fetch polyfill
- 添加统一的错误处理
这个功能增强了Uploadthing在各种环境下的适应能力,特别是在服务器端渲染(SSR)或边缘计算环境中。
签名URL生成功能
7.5.0版本引入了一个重要的新功能:UTApi.generateSignedURL方法。这个方法允许开发者直接生成私有文件的签名URL,而无需发起额外的API请求。
签名URL的主要优势包括:
- 提高性能:避免了额外的网络请求
- 增强安全性:URL有时效性,防止未授权访问
- 简化流程:可以直接在前端生成URL
这对于需要临时访问私有文件的场景特别有用,比如用户上传的敏感文档或媒体文件。
错误处理与API改进
本次更新还包含了一些重要的错误修复和API改进:
- 改进了UTAPI的错误处理机制,确保错误不会被静默忽略
- 允许在JsonArray中使用深度嵌套的对象结构
- 引入了新的
ufsUrl字段,格式为https://APP_ID.ufs.sh/f/FILE_KEY,同时标记旧的url和appUrl字段为已弃用
这些改进使得Uploadthing更加稳定可靠,同时也为未来的功能扩展奠定了基础。
总结
Uploadthing 7.5.0版本带来了多项实用功能和改进,特别是对Tailwind v4的支持和签名URL功能,将显著提升开发者的使用体验。这些更新展示了Uploadthing团队对开发者需求的关注,以及持续优化产品的承诺。
对于正在使用或考虑使用Uploadthing的开发者来说,7.5.0版本值得升级,特别是那些需要处理私有文件访问或使用最新版Tailwind的项目。
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