urllib3 2.4.0版本发布:HTTP/2筹款与安全增强
urllib3是Python生态系统中最重要的底层HTTP客户端库之一,被Requests、pip等众多知名项目所依赖。作为处理HTTP通信的核心组件,urllib3在Python网络编程中扮演着至关重要的角色。最新发布的2.4.0版本带来了几项值得关注的变化,包括HTTP/2支持筹款计划、安全增强以及多项改进。
HTTP/2支持筹款计划
urllib3项目团队正在筹集约4万美元资金,用于开发HTTP/2支持功能并确保项目的长期可持续维护。这一筹款计划源于项目财务支持的急剧下降,而HTTP/2作为现代HTTP协议的重要版本,将为Requests、pip、云SDK等数千个项目带来性能提升。
HTTP/2协议相比HTTP/1.1有多项改进,包括多路复用、头部压缩、服务器推送等特性,能显著提升网络应用的性能。urllib3团队呼吁使用Python的企业和组织考虑财务支持,以确保HTTP/2功能能够以可持续的方式开发并长期维护。
新特性与改进
2.4.0版本在技术层面带来了多项改进:
-
PEP 639合规性:项目现在在pyproject.toml中明确指定了许可证字段,这有助于工具链更好地识别项目的许可信息。
-
异常处理增强:改进了异常的pickle/序列化过程,现在能够保存和恢复更多属性,这对于分布式系统和长时间运行的应用程序特别有价值。
-
SSL验证强化:新增了
verify_flags选项到create_urllib3_context函数,默认在Python 3.13+环境中使用VERIFY_X509_PARTIAL_CHAIN和VERIFY_X509_STRICT标志,增强了X.509证书验证的严格性,提高了安全性。
问题修复
本次版本修复了Emscripten环境下流式数据部分读取的问题。Emscripten是一个将C/C++代码编译为WebAssembly的工具链,这一修复确保了urllib3在WebAssembly环境中的稳定性。
开发工具改进
项目开发工作流也有所优化:
-
改用uv工具安装开发依赖,uv是一个新兴的Python包安装器,相比传统工具提供了更快的安装速度。
-
移除了GitHub发布中的
multiple.intoto.jsonl资产,自2.3.0版本以来的发布文件证明现在可以在PyPI上找到。这一变化简化了发布流程,同时保持了发布验证的完整性。
总结
urllib3 2.4.0版本虽然在功能上没有重大突破,但在项目可持续性、安全性和开发体验方面都做出了重要改进。特别是HTTP/2支持筹款计划,展示了开源项目维护面临的现实挑战,也体现了社区对项目未来发展的规划。对于Python开发者而言,保持urllib3的更新不仅能够获得最新的安全修复,还能为整个Python生态系统的健康发展贡献力量。
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