Better Auth 1.2.0-beta.5 版本发布:功能增强与安全升级
Better Auth 是一个现代化的身份验证解决方案,专注于为开发者提供灵活、安全的用户认证和授权功能。该项目支持多种认证方式,包括社交登录、手机验证、匿名登录等,同时提供了丰富的插件系统和可扩展的架构设计。最新发布的 1.2.0-beta.5 版本带来了多项重要更新,显著提升了系统的功能和安全性。
核心功能增强
本次更新在多个关键领域进行了功能扩展。首先,系统现在支持自定义令牌生成函数,为魔法链接(Magic Links)提供了更大的灵活性。开发者可以根据业务需求定制令牌生成逻辑,满足特定的安全要求或业务场景。
在社交登录方面,新增了 VK ID 和 Roblox 两种社交提供商的支持,进一步扩展了用户认证方式的多样性。特别是 VK ID 的加入,为俄罗斯及周边地区的用户提供了更便捷的登录选择。
组织管理功能也得到了显著增强。系统现在支持用户拥有多个角色,这为复杂的组织权限管理提供了基础。同时新增的"离开组织"功能完善了组织成员管理的闭环。
安全性与验证改进
安全方面,本次更新引入了验证数据自动清理机制,系统会在获取验证数据时自动清理过期条目,保持数据库整洁并减少潜在的安全风险。
验证码插件是另一个重要的安全增强,支持多种验证码提供商,帮助开发者有效防御自动化攻击。这一功能特别适用于注册、登录等关键操作的保护。
手机号码验证流程也进行了优化,确保验证回调在用户验证完成后才被触发,消除了潜在的竞态条件问题。
技术架构优化
在底层架构方面,项目迁移到了 Better Call 1.0 版本,带来了更稳定和高效的远程调用体验。JWT 令牌生成机制也进行了重构,现在支持加密功能,为敏感数据提供了额外的保护层。
数据库钩子(hooks)现在使用 Partial 类型,避免了覆盖之前钩子返回值的风险,使数据流更加可控和可预测。这一改进对插件开发者和系统集成者尤为重要。
开发者体验提升
对于开发者而言,本次更新带来了多项便利性改进。系统现在允许在请求时传递作用域(scopes),而不是使用默认值,提供了更细粒度的权限控制。同时新增的受信任源配置功能简化了跨域安全设置。
在管理功能方面,管理员现在可以直接设置用户密码,这在用户支持场景中非常实用。同时用户列表端点新增了总数统计功能,便于分页和数据分析。
总结
Better Auth 1.2.0-beta.5 版本在功能扩展、安全增强和开发者体验三个方面都有显著提升。这些改进使系统更加成熟和全面,能够满足更广泛的业务场景需求。特别是验证码插件、多角色支持和验证流程优化等特性,为构建安全可靠的认证系统提供了坚实基础。
作为预发布版本,1.2.0-beta.5 为即将到来的稳定版打下了良好基础,展示了 Better Auth 项目持续创新和响应开发者需求的承诺。
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