Synapse 1.122.0版本发布:Matrix服务器的重要更新
项目简介
Synapse是Matrix协议的参考实现服务器,Matrix是一个开源的、去中心化的实时通信协议,支持即时消息、VoIP/IP电话和视频通话等功能。作为Matrix生态系统的核心组件,Synapse服务器允许用户搭建自己的通信平台,实现安全、私密的聊天服务。
版本亮点
Synapse 1.122.0版本带来了多项重要更新和改进,其中最值得注意的是对PostgreSQL数据库支持的调整。从这个版本开始,Synapse将不再支持PostgreSQL 11和12版本,最低要求的PostgreSQL版本提升至13。这一变化意味着使用较旧PostgreSQL版本的用户需要先升级数据库才能使用新版本的Synapse。
主要功能更新
1. 邮件配置增强
新版本增加了email.tlsname配置选项,允许管理员单独指定用于验证SMTP服务器TLS证书的域名,而不必与email.smtp_host连接设置绑定。这一改进为邮件服务器的配置提供了更大的灵活性,特别是在使用复杂邮件基础设施的环境中。
2. 模块开发增强
对于开发自定义模块的开发者来说,1.122.0版本在spam_checker_module_callbacks中增加了请求者用户ID的访问权限。这意味着在实现check_username_for_spam回调时,开发者可以获得更多上下文信息,从而做出更精确的垃圾信息判断。
3. 管理API扩展
管理员API新增了三个重要端点:
- 查询指定用户在特定时间戳后发送的邀请数量
- 查询指定用户在特定时间戳后加入的房间数量
- 获取针对指定用户的事件报告ID(即该用户作为被举报事件发送者的情况)
这些新功能为服务器管理员提供了更强大的用户行为分析工具,有助于更好地管理社区和识别潜在问题。
4. 账户管理功能标准化
该版本实现了MSC3823中的稳定账户管理功能,为标准化的账户管理提供了支持。这一功能对于需要临时或永久限制用户访问权限的场景非常有用。
5. 安全配置选项
新增了macaroon_secret_key_path配置选项,为Macaroon(一种基于加密的凭证)密钥管理提供了更多灵活性。
问题修复
1.122.0版本修复了几个关键问题:
- 修复了在使用
third_party_rules模块拒绝撤回邀请时可能导致客户端卡住的问题 - 改进了使用管理API清理房间时状态组表的正确处理
- 修复了管理API中的消息删除端点无法处理远程用户消息的问题
性能优化
在数据库操作方面,新版本特别优化了房间清理过程,禁用了长时间操作的数据库语句超时限制。这一改进对于大型房间的清理操作尤为重要,可以避免因操作时间过长而导致的中断。
文档改进
1.122.0版本对文档进行了多项更新和修正:
- 更新了通用工作进程(
synapse.app.generic_worker)的文档,明确建议默认情况下只对流写入路由使用GET请求 - 为管理API中的用户查询添加了关于
last_seen_ts参数的文档说明 - 改进了
TaskScheduler类的文档 - 修正了反向代理文档中的示例,添加了服务器端口信息
- 更新了Alpine Linux安装指南中的软件包维护者信息
内部架构改进
在代码层面,1.122.0版本引入了多项内部改进:
- 添加了Rust类型的
RoomID和EventID,提高了类型安全性 - 修复了代码库中的各种类型错误
- 重构了
get_profile函数,不再包含值为None的字段 - 移除了对已弃用的
twisted.internet.defer.returnValue的剩余使用
依赖项更新
新版本更新了多个依赖库的版本,包括:
- anyhow从1.0.93升级到1.0.95
- authlib从1.3.2升级到1.4.0
- mypy从1.11.2升级到1.12.1
- pillow从10.4.0升级到11.0.0
- pydantic从2.9.2升级到2.10.3
- sentry-sdk从2.17.0升级到2.19.2
这些依赖项的更新带来了性能改进、新功能和安全性增强。
升级建议
对于运行Synapse服务器的管理员,建议在升级前:
- 检查当前PostgreSQL版本,如果低于13需要先升级数据库
- 备份数据库和配置文件
- 在测试环境中验证新版本
- 查看变更日志中可能影响现有配置的变更
1.122.0版本为Synapse带来了多项重要改进,特别是在管理功能、模块开发和系统稳定性方面。这些更新将使服务器管理员能够更有效地管理Matrix实例,同时为开发者提供更强大的工具和更清晰的文档。
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