OpenMeter v1.0.0-beta.203版本发布:计费系统功能增强与稳定性提升
OpenMeter是一个开源的计量和计费系统,专注于为开发者提供灵活、可扩展的计量和计费解决方案。该系统支持多种计费模式,包括基于使用量的计费、订阅计费等,并提供了丰富的API和集成能力。
核心功能增强
本次发布的v1.0.0-beta.203版本在计费系统方面进行了多项重要改进。最显著的变化是默认启用了计费功能,这意味着开发者现在可以更便捷地使用OpenMeter的完整计费能力,而无需额外配置。系统还新增了将客户与计费配置文件绑定的功能,当默认配置文件发生变化时,可以自动将客户关联到新的计费配置。
在订阅管理方面,新版本允许开发者仅列出活跃的订阅计划,这大大简化了大型系统中订阅计划的管理工作。同时,系统现在会在订阅创建时预先计算固定费用,这一改进使得费用计算更加透明和可预测。
Stripe支付集成优化
OpenMeter与Stripe支付系统的集成得到了显著增强。现在,创建支付会话时返回了更多属性信息,为开发者提供了更丰富的支付上下文数据。系统还改进了支付会话中的客户信息处理,确保支付流程更加顺畅。
计费逻辑改进
在计费逻辑方面,新版本统一了百分比表示方式,消除了之前可能存在的歧义。对于发票处理,系统现在允许删除手动审批的发票,并支持处理空发票情况,这为财务流程提供了更大的灵活性。
错误处理与稳定性提升
本次发布包含了大量错误修复和稳定性改进。包括修复了配置文件覆盖不生效的问题、改进了订阅状态处理、增强了应用删除检查的错误消息反馈等。系统现在能够正确处理零价格情况,并改进了API密钥的存储方式,不再在订阅开始时重置密钥。
架构与性能优化
在架构层面,新版本引入了验证器模式进行输入验证,提高了系统的健壮性。计量事件服务进行了重构,提升了处理效率。对于容器化部署,Helm图表现在包含了容器端口定义,简化了部署配置。
开发者体验改进
开发者体验方面,系统现在允许在计费工作线程中添加自定义处理器,提供了更大的扩展性。同时,当客户支付设置完成时,系统会发出相应事件,便于开发者构建更复杂的业务逻辑。
总结
OpenMeter v1.0.0-beta.203版本在计费功能、支付集成、错误处理和系统稳定性方面都取得了显著进步。这些改进使得OpenMeter更适合生产环境使用,为开发者提供了更强大、更可靠的计量和计费解决方案。随着这些功能的加入,OpenMeter正逐步成为一个成熟的开源计量计费平台。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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