Gorilla Sessions 项目新增 Partitioned 属性支持以应对第三方 Cookie 淘汰
随着 Chrome 浏览器计划在 2024 年 6 月底淘汰第三方 Cookie 支持,开发者们需要寻找替代方案来维持网站功能。作为应对措施,Gorilla Sessions 项目最近在其 1.4.0 版本中添加了对 Partitioned 属性的支持,这是 Google 提出的 CHIPS 解决方案的关键部分。
背景与挑战
第三方 Cookie 长期以来被用于跨站跟踪和用户身份验证等场景。然而,出于隐私保护考虑,主流浏览器正逐步淘汰这一技术。Chrome 作为市场份额最大的浏览器,其淘汰计划将对整个 Web 生态系统产生重大影响。
CHIPS 解决方案
Google 提出的 CHIPS 机制允许创建具有独立分区状态的 Cookie。通过在 Cookie 上设置 Partitioned 属性,可以将 Cookie 限制在设置的网站范围内,同时仍允许跨站使用。这种分区 Cookie 既保护了用户隐私,又为开发者提供了必要的功能支持。
Gorilla Sessions 的应对
Gorilla Sessions 作为 Go 语言中流行的会话管理库,及时响应了这一变化。在 1.4.0 版本中,项目添加了对 Partitioned 属性的完整支持。开发者现在可以通过简单的 API 调用,为会话 Cookie 设置这一属性,确保在第三方 Cookie 被禁用后仍能正常工作。
实现细节
在底层实现上,Gorilla Sessions 新增了对 Partitioned 属性的处理逻辑。当开发者启用这一选项时,库会在生成的 Set-Cookie 头部中添加 Partitioned 标记。值得注意的是,这一特性需要配合 Go 1.23 及以上版本使用,因为相关的标准库支持将在该版本中正式引入。
开发者建议
对于正在使用 Gorilla Sessions 的开发者,建议尽快升级到 1.4.0 或更高版本,并测试 Partitioned 属性的使用效果。特别是在涉及跨站场景的应用中,这一更新将帮助应用平稳过渡到后第三方 Cookie 时代。
总结
Gorilla Sessions 项目对 Partitioned 属性的支持展现了开源社区对 Web 标准变化的快速响应能力。这一更新不仅解决了即将到来的兼容性问题,也为开发者提供了符合隐私保护趋势的解决方案。随着 Web 生态系统的持续演进,我们期待看到更多类似的适应性改进。
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