GraphQL Yoga 2025年1月发布更新解析
GraphQL Yoga是一个功能强大的GraphQL服务器实现,它基于现代Web标准构建,提供了简单易用的API和丰富的插件系统。该项目由The Guild团队维护,旨在为开发者提供高性能、灵活的GraphQL服务解决方案。
NestJS集成改进
本次更新主要针对与NestJS框架的集成部分进行了优化。GraphQL Yoga提供了专门的@graphql-yoga/nestjs和@graphql-yoga/nestjs-federation包,用于在NestJS应用中无缝集成GraphQL Yoga服务器。
在3.10.11版本中,这两个包都更新了对@nestjs/graphql的peerDependencies要求,从原来的12.0.0版本升级到了13.0.0版本。这意味着现在这些包可以更好地与NestJS GraphQL模块的最新版本协同工作,开发者可以享受到NestJS框架最新版本带来的改进和功能增强。
禁用内省插件增强
@graphql-yoga/plugin-disable-introspection插件在2.11.0版本中获得了重要更新。这个插件原本用于在GraphQL服务器中禁用schema内省功能,现在它新增了对服务器上下文的支持。
开发者现在可以在配置插件时,通过传入一个接收请求和上下文对象的函数,实现基于上下文条件禁用内省的功能。例如,可以根据JWT令牌的存在与否来决定是否允许内省查询。这个改进使得内省控制更加灵活,能够满足更复杂的业务场景需求。
JWT插件优化
@graphql-yoga/plugin-jwt插件在3.4.12版本中进行了优化,确保了JWT上下文会在任何GraphQL执行钩子之前被添加。这个改进解决了插件在使用过程中的时序问题,保证了当通过Yoga使用该插件时,JWT相关的上下文信息总是可用的。
这种优化对于依赖JWT进行认证和授权的应用尤为重要,它消除了潜在的执行顺序问题,使得开发者可以更可靠地在解析器和中间件中访问JWT信息。
总结
GraphQL Yoga的这次更新虽然规模不大,但包含了几个实用的改进。NestJS集成的版本兼容性更新让开发者可以更自由地选择依赖版本;内省插件的增强提供了更灵活的权限控制能力;而JWT插件的优化则提升了认证流程的可靠性。这些改进共同增强了GraphQL Yoga作为现代GraphQL服务器解决方案的实用性和稳定性。
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