Stripe PHP SDK v17.3.0版本发布:支付功能与终端交互能力升级
Stripe PHP SDK简介
Stripe PHP SDK是Stripe官方提供的PHP语言开发工具包,它封装了Stripe支付API的复杂细节,让PHP开发者能够轻松集成Stripe的各种支付功能。该SDK遵循语义化版本控制,定期更新以支持Stripe API的最新特性。
核心更新内容
1. 发票支付功能增强
新版本在Invoice资源中新增了attach_payment方法,这为开发者提供了更灵活的发票支付处理方式。同时,新增的invoice_payment.paid事件类型让开发者能够更精确地追踪发票支付状态变化。
CreditNote资源现在支持post_payment_amount和pre_payment_amount属性,并新增了mixed类型枚举值,这些改进增强了信用票据的处理能力,特别是在处理部分支付和混合类型票据时更为便捷。
2. 终端设备交互能力扩展
Terminal.Reader资源新增了collect_inputs方法,以及对应的测试辅助方法succeed_input_collection和timeout_input_collection。这些方法极大地丰富了终端设备与用户的交互能力,特别是在需要收集用户输入的场景下。
新增的simulated_stripe_s700设备类型枚举值表明SDK现在支持模拟Stripe S700终端设备,这对开发和测试环节非常有价值。
3. 韩国本地支付方式支持
在PaymentMethodConfiguration中新增了对韩国主流支付方式的支持,包括:
- Kakao Pay
- Naver Pay
- Payco
- Samsung Pay
- 韩国本地信用卡(kr_card)
这一更新使得面向韩国市场的应用能够更便捷地集成这些本地流行的支付方式。
4. 订阅管理优化
Subscription和SubscriptionItem现在支持billing_thresholds属性,这为订阅账单提供了更精细的控制能力,开发者可以基于使用量设置账单触发阈值。
5. 财务计算增强
Tax.CalculationLineItem现在支持metadata属性,这使得开发者能够在财务计算行项目上附加自定义元数据,便于后续跟踪和分析。
错误处理改进
新增了forwarding_api_upstream_error错误代码,该代码会在多个资源(如Invoice、PaymentIntent等)的last_error相关字段中出现。这一改进使得开发者能够更准确地识别和处理API转发过程中出现的上游服务错误。
开发者建议
对于正在使用Stripe PHP SDK的开发者,建议尽快评估升级到v17.3.0版本,特别是:
- 需要支持韩国支付市场的应用
- 使用Stripe Terminal进行线下支付的场景
- 需要更精细控制订阅账单的项目
- 依赖发票和信用票据功能的企业应用
升级时应注意API版本已更新为2025-05-28.basil,确保后端服务兼容此版本。对于生产环境,建议先在测试环境充分验证新功能后再进行部署。
这些更新显著提升了Stripe PHP SDK的功能覆盖范围和易用性,使开发者能够构建更强大、更灵活的支付解决方案。
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