Starlette 0.47.0版本发布:ASGI框架的重要更新
Starlette作为Python生态中轻量级的ASGI框架/工具包,为FastAPI等现代Python Web框架提供了底层支持。最新发布的0.47.0版本带来了一些值得关注的功能增强和优化改进,这些变化将直接影响基于Starlette构建的Web应用开发体验。
核心功能增强
ASGI pathsend扩展支持
新版本增加了对ASGI pathsend扩展的支持。这一特性允许开发者在WebSocket连接中更灵活地处理路径信息,为实时通信应用提供了更强的控制能力。对于需要精细管理WebSocket路由或实现复杂消息传递模式的场景,这一扩展将显著提升开发效率。
Cookie分区属性支持
在安全性和隐私保护日益重要的今天,Response.set_cookie方法新增了partitioned属性。这一改进使得开发者能够更好地控制Cookie的存储分区,特别是在处理跨站点请求时,可以更精确地管理Cookie的作用域,有助于提升应用的安全性和合规性。
类型系统优化
开发团队将methods参数的类型标注从list[str]调整为更通用的Collection[str]。这一看似微小的改动实际上带来了更大的灵活性,现在开发者可以使用任何集合类型(如元组、集合等)来指定HTTP方法,而不仅限于列表。这种类型系统的改进反映了Python类型提示系统的最佳实践,使API设计更加符合Python之禅。
代码质量提升
整个代码库完成了从import typing到from typing import ...的迁移。这一变更不仅仅是风格上的调整,它带来了几个实质性好处:
- 提高了代码的可读性,直接看到导入的具体类型
- 减少了命名空间的污染
- 与现代Python代码风格指南保持一致
- 为未来可能的静态类型检查优化铺平道路
性能与稳定性改进
异常处理中间件ExceptionMiddleware.http_exception被明确标记为异步方法。这一修改避免了不必要的线程创建,在以下方面带来提升:
- 减少上下文切换开销
- 降低内存使用
- 提高高并发场景下的稳定性
- 与ASGI的异步特性更加契合
对开发者的影响
对于使用Starlette的开发者而言,0.47.0版本带来的这些变化意味着:
- 更丰富的功能集:特别是WebSocket和Cookie处理能力的增强,为构建现代Web应用提供了更多可能性
- 更优雅的API设计:类型系统的改进使代码更加清晰和灵活
- 更好的性能表现:异步优化减少了不必要的资源消耗
- 更高的代码质量:整体代码风格的统一提升了长期维护性
作为ASGI生态中的基础组件,Starlette的每一次更新都可能影响到众多上层框架。0.47.0版本虽然不是一个重大版本更新,但这些精心设计的改进体现了项目团队对质量的不懈追求,也为Python Web开发的未来奠定了更坚实的基础。
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