@henjicc/ai-sdk 0.8.0 → 0.10.0

package/CHANGELOG.md

@@ -1,5 +1,67 @@
 # Changelog
 
+## 0.10.0 - 2026-11-08
+
+- 百炼新增 MiniMax H3（`bailian-minimax-h3`，平台模型 `MiniMax/MiniMax-H3`）：文生视频、首帧 / 首尾帧、参考生视频（≤ 9 图、3 段视频、3 段音频），768P ¥0.5/秒、2K ¥0.8/秒，参考视频按同价计入，参考图超过 5 张每张 ¥0.2。
+- 魔搭账号未完成邮箱验证时的 403 识别为 `provider_product_not_activated`（`scope: account`），提示到账号设置完成验证，不再抛英文原文。
+- 素材约束新增画面尺寸：`RuntimeMediaDimensionConstraints`（`minShortSidePx` / `maxLongSidePx` / `minPixels` / `maxPixels` / `minAspectRatio` / `maxAspectRatio`，宽高比 = 宽 / 高），`RuntimeVideoConstraints` 继承它，`RuntimeInputLimitRule` 新增 `imageConstraints`（`RuntimeImageConstraints`），`resolveRuntimeInputLimits` 一并解析；新增 `findMediaDimensionViolation` 供宿主提交前检查素材宽高。按官方文档补上尺寸要求：APIMart Kling 3.0 Omni 参考视频 720–2160 px（真实请求验收发现 640×360 视频付费请求失败）、KIE Kling 3.0 Omni、KIE / APIMart MiniMax H3、APIMart MiniMax H3 Max、派欧云 Kling 3.0、APIMart / Fal Kling 3.0 Turbo、Fal / KIE Kling 4.0、APIMart / KIE HappyHorse 1.1、KIE / 火山方舟 Seedance 2.0 系列与 2.5、APIMart Seedance 2.5、APIMart / 百炼万相 3.0、Fal Qwen Image 3.0、APIMart Seedream 5.0 Lite。
+- KIE 按官方 OpenAPI 修正：MiniMax H3 图生视频字段改为 first_frame_url / last_frame_url（此前图生视频不可用）；Qwen Image 3.0 Pro 文生图 model 改为 qwen3/pro-text-to-image；Kling 3.0 Omni 风格转换与参考生视频按官方分支构建；Seedance 2.5 web_search 改发布尔值；Nano Banana 2 参考图上限 10；Gemini 3.1 TTS 说话人带 accent；Gemini Omni Video 始终发 duration；Grok Imagine 图生图不发比例、Grok Imagine Video 图生视频时长为字符串。
+- APIMart Kling 3.0 Omni 编辑视频时不发时长；APIMart Seedance 2.5 任务类型只在参考模式下生效；Fal Veo 3.1 参考生视频按标准价计价；Fal Z-Image Turbo 强度下限 0.05、1MP 计价。
+- 一批视频与图片模型在“当前分支不发送”的情况下隐藏对应参数（带图时的比例、带视频时的模式与音频、编辑任务的时长等），界面与实际请求一致；Qwen3 TTS 温度改为官方的 0.1–1；KIE Seedance V1 选到该版本没有的比例时贴近所选比例；魔搭基准尺寸步长改为 16（离线“所选即所发”检查发现）。
+- Grsai GPT Image 2 标准渠道选 1:3 / 3:1 时改为贴近所选比例（9:21 / 21:9），不再退回 1:1（真实请求验收发现）。
+- 海螺 02（KIE、Fal）首尾帧改为按 768P 请求和计价：MiniMax 首尾帧不支持 512P，KIE 带尾帧的 512P 请求会在平台内部失败（真实请求验收发现）。
+- Grsai 万相 3.0 时长改为 3–30 秒：官方文档写 2–30，接口实际拒绝 2 秒（真实请求验收发现）。
+- APIMart 本地视频、音频素材改经通用文件上传服务（KIE / Fal，按宿主设置首选与换用）托管成公网地址，不再直接报 `public_media_url_required`；图片仍走 APIMart 自己的上传端点。
+- 按 Fal 官方 OpenAPI 与参数组合检查修正请求：Kling 2.6 Pro 图生视频首帧改发 `start_image_url`；Kling O1 图生视频图片下限 1 张（没图自动切到参考生视频）、视频编辑不发时长并按输入视频时长计价；Vidu Q2 运动幅度在请求里换成官方 `small` / `medium` / `large`、续写不发 `bgm` 且时长夹到 7 秒、图生视频与参考生视频图片下限 1 张；Seedance 2.5 图生视频比例固定 `auto`；Seedance V1 文生视频不发 `auto` 比例；Qwen3 TTS 温度、Z-Image Turbo 图生图强度按官方范围夹紧（参数静态范围不变，兼容旧值）；PixVerse v5.5 单图生视频不发比例、首尾帧转场不发多镜头开关。KIE Kling 4.0 关键帧上传上限随时长变化（声明式规则，能力发现仍能看到参考模式收视频）；KIE GPT Image 2 智能比例只在当前分辨率支持的比例里挑；APIMart Seedance 2.5 视频编辑与延长要求 1 段视频、Gemini Omni 1.2 多图参考要求 1 张图。
+- `SpeechRecognitionOutput` 新增可选 `usage`（`inputTokens` / `outputTokens`）；百炼短音频协议从 `usage.input_tokens` / `output_tokens` 读出，目前只有按 token 计费的 `qwen-audio-3.1-asr-flash` 返回。
+- **破坏性**：删除已下架的硅基流动 `TeleAI/TeleSpeechASR` 语音识别预设（`siliconFlowTeleSpeechAsr` 导出移除，`siliconFlowAsrPresets` 只剩 SenseVoiceSmall）；控制台与价格页都已不再列出该模型。
+- 新增 token 计价类型 `TokenListPricing`（输入 / 输出 / 缓存命中，可带按输入长度分档 `tiers` 与分时 `offPeak`）与 `tokenListPrice`、`tokenPrice`；`LlmProviderPreset` 新增 `modelPricing`，内置预设的 57 个推荐模型全部登记官方按量标准价；百炼 Qwen-MT 预设新增 `pricing`。新增 `textTokenRatioFor` 与 `estimateChineseTextCost`，按各家公布的汉字折 token 比例（DeepSeek 0.6、Kimi 1/1.5、GLM 与 MiniMax 1/1.6，未公布的按 1）把 token 单价换成每万字参考价。
+- 新增续接生成契约：`ModelRuntimeDefinition.continuations`（`RuntimeContinuation`：动作标识、目标模型、`available`、`capture` 从完成结果取平台引用、`params` 调整续接参数、`submit` 直接提交或带进输入区），续接请求在参数里带 `__continuation`（`CONTINUATION_PARAM` / `RuntimeContinuationParam`）；工具函数 `captureContinuations`、`findContinuation`、`buildContinuationParams`、`readContinuation`。宿主随结果保存引用，用户与助手不接触平台任务 ID。
+- FLUX 3 Video 接入草稿与草稿转正片：APIMart 新增“草稿”开关（`draft: true`，固定 hd，每秒 $0.048、续写 $0.096），续接 `finalize-draft` 用 `draft_from_task_id` 转正片，只发可改的 `resolution`，按正片全价计费；Fal 标准版文/图生视频与续写新增“草稿”开关（路由 `…/draft`，每秒 $0.06、续写 $0.12），续接 `finalize-draft` 从结果 `draft_cache` 取缓存，走 `draft-enhance` 出 1080p（每秒 $0.29）。转正片不收素材。Fal provider 收集结果地址时跳过 `draft_cache`，不再把缓存包当成第二段视频。
+- Midjourney 图转视频改用续接：图片模型（Imagine）声明 `animate` 续接到 `apimart-midjourney-video`，视频模型从续接引用读 `task_id`；删除手填“来源任务 ID”参数（旧工程残留值仍兼容读取），`alternativeInputParamIds` 改为 `__continuation`；“首帧”与“动画模式”只在续接时显示。
+- Gemini Omni 1.2 Flash（APIMart）支持续写自己的结果：续接 `extend` 发 `extend_from_task_id` + `omni_reference_task_type: "extend"`，不需要输入视频，渠道与模式沿用源任务。
+- 本地媒体托管：新增 `upload/public-host-upload.ts`，按宿主“通用文件上传服务”设置（`__upload_provider` 首选、`__upload_fallback` 换用）用 KIE 或 Fal 把本地文件托管成公网地址；派欧云、魔搭改用它（此前忽略 Fal 设置、只走 KIE），火山方舟的参考视频也走它，一家都没配置时提交前报 `public_media_url_required` 并提示去设置。新增 `upload/bailian-oss-upload.ts`（百炼临时存储，语音识别与生成共用），百炼生成链路的视频、音频按请求 model 上传成 `oss://`，请求体含 `oss://` 时提交带 `X-DashScope-OssResourceResolve`。`ProviderMediaRewriteInput` 新增 `requestBody`。
+- 火山方舟 Seedance 开放参考视频（2.0 系列 ≤ 3 段、2.5 ≤ 10 段），按“输入含视频”单价并计入输入视频时长；Seedance 2.5 新增任务类型（自动 / 参考 / 视频编辑 / 视频延长）。百炼万相 3.0 开放参考视频与参考音频（各 ≤ 5），输入视频时长同价计费，读得到时长时输出时长收进“输入 + 输出 ≤ 30 秒”。
+- 新增生成模型：Wan 2.7 Image（APIMart，标准版与 Pro 为版本选项，含组图）、FLUX 3 Video（APIMart；Fal 标准版文生/图生/续写/编辑与 FLUX 3 Max 文生/图生）。草稿与草稿转正片两段式暂不接入。
+- OpenAI 兼容 `/audio/speech` 执行抽成 `providers/openai-speech.ts`，硅基流动改用它（行为不变）。
+- Fal LTX-2.3 新增「音频生视频」模式（`fal-ai/ltx-2.3/audio-to-video`，$0.10/秒按音频时长估价，可选首帧图）；`pricing.mediaContext` 支持 `mediaType: 'audio'`（`durationSeconds`）与按模式生效的 `when`，`PricingMediaMetadataReaders` 新增可选 `audio`；mediaPresence 新增 `resolveUploadedAudioSources`、`resolveUploadedAudioDurationSeconds`；能力标签新增 `audio-to-video`。
+- Kling 4.0（Fal）接入分镜 `multi_prompt`：按镜头写提示词与秒数，成片时长为各镜之和，使用分镜时不发送时长，主提示词作为整体描述拼到每一镜提示词前（`alternativeInputParamIds` 声明分镜可单独构成输入）。Kling 4.0 / 4.0 Flash 接入元素 `elements`：Fal 参考生视频与视频编辑（`@Element1` 引用，正面图 + 1–3 张其他角度，或一段 3–8 秒视频），KIE 参考生视频（`@名称` 引用，2–4 张图或一段视频，Flash 视频元素带 `type`）；视频元素按视频输入计费。KIE Kling 4.0 / Flash 带参考视频的估价改按官方 `max(2 × 输出, 输入 + 输出)` 秒，原先只按输出时长。
+- KIE Gemini 3.8 Flash / Flash-Lite TTS 改按原价估（Google 2027 年起价格的七折：输入 $0.70，输出 $12.60 / $8.40 每百万 Token），促销期内实际扣费更低。
+- 火山方舟 Seedance 含参考视频时按官方最低 token 用量估价：输入视频不足 4 秒按 4 秒计（与官方价格示例一致）。KIE Kling 4.0 / 4.0 Flash 关键帧模式有图时隐藏比例（本就不发送）；APIMart Gemini Omni 1.2 Flash Ext 带首帧或参考图时不再发送比例，改为跟随素材。MiniMax H3 / H3 Max 的 `seriesId` 统一为 `hailuo`，与海螺 02 / 2.3 同系列排序。
+- Kimi 原厂预设新增 `kimi-k3.1-pro` 与 `kimi-k3.1-pro-highspeed`（新增目录条目），与 K3 同为思考无法关闭、采样参数省略、`json_schema` 结构化输出；原厂视频需 Files API 上传，预设不声明视频。MiniMax 原厂预设新增 `MiniMax-M3.1-Flash`（图片、视频输入，`reasoning_effort` 五档、关闭时退到 low），接口地址改为官方新域名 `api.minimax.cn`。
+- 魔搭 Qwen 两个图片模型升级到后继版本：`Qwen/Qwen-Image` → `Qwen/Qwen-Image-2512`、`Qwen/Qwen-Image-Edit-2509` → `Qwen/Qwen-Image-Edit-2511`（官方调用示例的端点与字段相同，2026-11-07 经 `list_model_providers` 确认可调用），旧 ID 保留为别名；通用标识随之改为 `qwen-image-2512` / `qwen-image-edit-2511`。
+- `ModelRuntimeMeta` 与 `LlmModelCatalogEntry` 新增可选 `deprecated`（过时原因）：能力发现跳过这类模型，`createModelsFromPreset` 与 `createBigmodelModels` 不再为它们建模型，仍可按 ID 解析。首批标记 Fal LTX-2 / Veo 3.1、火山 Seedream 5.0 Lite、KIE Seedance 1.5 Pro、派欧云 Kling 3.0 与 MiniMax Speech、Kimi K2.6 / K2.7 Code；已下线的 MiMo 2.5 / 2.5 Pro 与 DeepSeek V4 Flash Vision（实验）目录条目直接删除（官方 DeepSeek 旧名仍按别名指向 V4.1 Flash）。
+- 新增生成模型（全部只做离线请求构建与官方价格核对）：GPT Image 2.6（Fal、KIE、APIMart、Grsai）、FLUX 3（Fal、APIMart）与 FLUX 3 Klein（KIE）、Seedream 5.0 Flash（APIMart）、Kling 4.0 与 4.0 Flash（Fal、KIE；APIMart 4.0）、Wan 3.0（Fal、APIMart、KIE、Grsai）与 Wan 3.0 Prime（KIE）、Gemini Omni 1.2 Flash（Fal、APIMart）、Grok Imagine Video 1.5（Fal、KIE、APIMart）、MiniMax H3 Max（Fal、APIMart）、LTX-2.3（Fal）、Veo 3.1 与 HappyHorse 1.1（APIMart）、Eleven v4 / v4 Turbo（Fal）、Gemini 3.8 Flash / Flash-Lite TTS（KIE）、Qwen Audio 3.1 TTS Plus（百炼）。
+- 火山方舟与百炼官方供应商新增异步视频任务（提交 + 按任务 ID 轮询，可在宿主重启后续查）：火山方舟 Seedance 2.5 / 2.0 / 2.0 Fast / 2.0 Mini，百炼万相 3.0（Prime 为版本选项）；同步图片与语音路径不变。方舟参考音频只收 MP3 / WAV，其他格式提交前报 `invalid_media`。
+- 大语言模型预设按 2026-11-07 的平台清单补充：派欧云 Kimi K3.1 Pro / K3、GLM-5.3、MiMo-V2.6-Pro、MiniMax-M3.1-Flash（按平台模型列表核对），DeepSeek V4 Pro，Groq GPT-OSS 120B（新增目录条目）与 Qwen3.8-27B 预览版（关闭思考时发 `reasoning_effort: none`）；硅基流动按账号模型列表补 DeepSeek V4.1 Flash、DeepSeek V4 Pro、GLM-5.3-Flash、GLM-5.2（能力按控制台模型广场的结构化数据登记）。
+- 包入口新增导出翻译能力（`createQwenMt*TranslationModule` 等），与语音识别一致，不再必须走 `capabilities/translation` 子路径。
+- 流式聊天的结果与完成回调新增 `firstTokenMs`（发出请求到第一个字，含思考内容）和 `outputTokensPerSecond`（首字之后的输出 token 速度，供应商没给用量时为 null）；`LlmTrace` 增加对应可选字段与输入/输出 token 数。
+- **破坏性**：模型标签收成一份封闭词表 `MODEL_TAG_DEFINITIONS`（形态 11 个、专项 13 个，各带判断标准），`ModelTag` 不再接受任意字符串，`validateRuntimeModel`（`defineModel` 也走它）拒绝词表外的标签；`catalog` 全部模型按新词表重打。新增公开导出 `MODEL_TAGS`、`isModelTag`、`getModelTagDefinition` 与类型 `ModelTagDefinition`、`ModelTagLayer`；`ModelRuntimeMeta` 新增 `promptLanguage`。
+  - 迁移：`supports-image-editing` → `image-to-image`，`supports-video-editing` → `video-to-video`，`multi-image-reference` / `video-reference` → `reference-mode`，`text-to-speech` / `voice-synthesis` → `text-to-audio`，`voice-cloning` → `voice-clone`，`supports-layer-decomposition` → `layer-decomposition`，`alpha-preserving` / `alpha-output` / `background-removal` → `transparent-background`，`camera-control` / `perspective-preset` → `multi-angle`，`background-generation` → `product-photography`；受控工具的 `image-edit` 改为各自专项，`mask-input` 由 `erase` 表达，`style-presets` 删除（读参数）。按这些旧值查询 discovery `features` 会得到空结果。
+  - 删除的标签改读模型配置：`provider-*` 读 `meta.provider`，`image` / `video` / `audio` 读 `meta.type`，`max-images-*`、`supports-multi-image`、`mixed-upload-mode` 读 `inputLimits`，`supports-4k` / `supports-2k`、`multi-output`、`fast-mode` / `turbo-mode`、`multi-mode-switch`、`supports-prompt-expansion`、`supports-audio-generation` 读参数；`english-prompt-only` 改为 `meta.promptLanguage: 'en'`。
+  - 放大模型和 Fal 受控工具不再标 `image-to-image`；补上漏标的能力：LTX-2 视频编辑、Vidu Q2 参考生视频与视频延长、Veo 3.1（Fal）首尾帧与参考生视频、Seedance 2.5（APIMart）视频编辑与延长、Gemini Omni Flash（APIMart）参考生视频、Gemini Omni（KIE）视频编辑、Kling 3.0 Omni（APIMart）与 Seedance V1（Fal）首尾帧、Seedream 5.0 Pro/Flash（火山）透明背景、Grok Imagine 图片（KIE）图片编辑；新增局部重绘、透明背景、多人对话标注。
+  - 能力发现的 `operations` 名称不变，改为由新标签直接得出。
+- 新增 Nano Banana 2.1：APIMart 官方/Ext、KIE、Fal 生成/编辑和 Grsai；分渠道数量限制、Token/单张计费与上传参数。
+- 移除 PPIO 已停服的 Wan 2.5 Preview、Wan 2.6、Hailuo 2.3、Wan 2.7；Grsai GPT Image 2.5 暂停 Flare/Sunburst 变体。开发期不迁移旧配置。
+- PPIO 默认助手改为 V4.1 Flash；DeepSeek 原厂旧别名按新 Flash 能力匹配，网关保留独立契约；Kimi 思考字段按模型区分。
+- 更新 APIMart/KIE 指定价格、Omni Ext ID/360p/参考图限制与 Fal H3 扩写字段；清理无有效期证据的智谱中国区优惠，MiniMax 元信息改为官方新域名。
+- Qwen Audio 3.1 TTS 提供注明工程假设的估算上限；无真实付费验证，不承诺绝对账单上限。
+- 火山引擎与百炼大语言模型预设补全：方舟新增 Seed 2.1 Pro/Lite 260915、Seed 2.0 Lite/Mini LTS、Character，以及方舟托管的 DeepSeek V4.1 Flash（含经济版）、V4 Pro/Flash 正式版、Kimi K3.1 Pro、GLM-5.3 Flash、GLM-5.2；百炼新增 Qwen3.8-Flash、Qwen3.7-Plus 与托管的 DeepSeek、Kimi、GLM、MiniMax-M3.1-Flash、MiMo、Step-5-Preview。
+- 百炼新增 Qwen-Audio 3.0 语音识别三种预设（短音频、文件、实时），按音频秒数计费，不发送 3.1 专属参数。
+- 能力目录支持按完整快照 ID 覆盖字段（如 Seed 2.1 Pro 260628 仍为 256K 上下文），并用别名收拢方舟、百炼的平台写法；Qwen3.8-Max 补登上下文 1M、最大输出 128K。
+
+## 0.9.0 - 2026-10-06
+
+- 生成结果新增 `urls: string[]`：按输出顺序列出全部结果地址，多结果模型不再需要拆分 `url` 中的 `|||` 拼接串。`url` 保留为兼容字段，内容不变。
+
+- 百炼文件转写支持 `options.resumeTaskId`，通过官方任务查询恢复，不重新读取、上传或提交音频。短音频协议明确拒绝恢复参数。
+- 恢复查询沿用取消、超时、供应商失败和转写结果校验；现有请求行为保持兼容。
+
+- Seed-ICL 2.0 新增 `volcIclMode: 'clone'`：使用 V3 上传录音、自动生成后付费音色编号、训练与按任务恢复查询。音色名称用 `volcCloneName`，音频用 `volcCloneAudio`，统一 `prompt` 为 4–300 字试听文本；完成响应中的 `metadata.clonedVoice` 供宿主持久保存，试听 URL 可为空。
+- 提交网络结果不确定时保留可查询任务，不自动重放训练；已激活或正在训练的预付费槽位禁止覆盖。
+- Seed-TTS / Seed-ICL 2.0 的公开后付费字符估价更新为 ¥3/万字符；首次正式调用后付费复刻音色另收 ¥138 并锁定音色。
+- 迁移：使用非 `S_` 音色进行正式合成时需显式传入 `volcIclActivationConsent: true`，表示已向用户说明首次激活收费。已有预付费 `S_` 音色与语音供应商凭据 ID 保持兼容。消费者应处理克隆成功但无试听 URL 的元数据结果，不能将其视为合成音频。
+
 ## 0.8.0 - 2026-09-27
 
 - TTS 音色参数统一支持选择器；公开 `listTtsVoices` 查询百炼 MiniMax、Qwen Audio 3.1、CosyVoice 3.5 和硅基流动 CosyVoice2 的账号音色。
@@ -11,214 +73,216 @@
 - 新增 Fal、百炼、KIE、硅基流动和火山语音的 13 个 TTS 模型入口；保留派欧云 MiniMax Speech 2.8，并按平台契约隐藏未证实的情感参数。
 - 接入百炼 MiniMax Hex 音频、百炼 Qwen/CosyVoice 同步音频、硅基流动二进制音频及火山 V3 分块音频；输出统一交给现有媒体落盘边界。
 - 有公开字符单价的模型提供估算；按音频输出 Token 计费或缺少可核实按量单价的模型不显示数字估算。
-
-## 0.6.2 - 2026-09-24
-
-- 完善聊天与翻译 SSE 的事件边界和完成状态校验：保留合法空中间帧、用量与状态通知，提前结束、服务端错误和无效终态不再伪装成功；保留翻译增量/累积协议差异。
-- 修复百炼实时 ASR 字段校验、Qwen 中间文字拼接和状态通知处理；保留 0.6.1 空中间帧兼容，诊断包含实际模型、协议及失败阶段。
-- 收口共享实时会话的取消、超时、后台故障通知和资源释放；SDK 会话提供可选 result promise，旧自定义会话仍兼容。握手清理失败保留首个故障，火山服务错误默认脱敏。
-- 阻止聊天及火山实时识别在取消后继续派发同一帧的后续结果；明确智谱推理网络错误与上下文截断，扩展通知不冒充完成证据。
-- 增加脱敏事件序列回归并执行修复撤销验证，更新聊天示例的合法结束帧。未改变供应商配额、网络稳定性或模型识别质量。
-
-## 0.6.1 - 2026-09-24
-
-- 修复百炼 Fun Duplex 实时识别把无句首标记的空文本中间帧误判为无效响应的问题；覆盖 Qwen Audio 3.1 streaming 与 Fun-ASR 共享协议。
-- 保持缺失文字字段、空最终结果、全程无有效 final 的严格校验及连接释放。
-
-## 0.6.0 - 2026-09-24
-
-- 新增 MiMo 2.6 Pro / Flash / Pro-UltraSpeed 能力；默认推荐 Pro / Flash，保留 2.5 ID（官方计划 10 月 21 日下线），不自动替换用户选择。
-- MiMo Chat / Responses 思考字段分离，兼容完整 reasoning_text 事件及历史思考回传，流中断不再伪装完成。
-- 新增大陆 GLM-5.3-FlashX 与官方价格；Flash / FlashX 开放 JSON 输出并保留思考。
-- 新增 KIE HappyHorse 1.1 文生、图生、多图参考模式，以及火山 Seedream 5.0 Flash 生成/编辑和图层拆分；价格按最新官方单价。
-- 百炼新增 Qwen-Audio 3.1 短音频、文件与实时 ASR，支持方言/即时热词与说话人输出；修复短音频 JSON 回退、上下文字段及文件声道数组。
-- Kimi K3 资料补齐缓存写入 TTL 价格。新增公开入口保持向后兼容，既有外部 ASR 消费方从 0.2.x 升级仍须满足 0.5.0 的宿主流式上传要求。
-
-
-## 0.5.2 - 2026-09-21
-
-- `llm/streaming` 新增有类型定义的文本、JSON Object 与 JSON Schema 输出配置，并把它正式写入 Chat Completions 的 `response_format`。
-- 模型能力现在可声明结构化输出与思考模式能否并用；不支持或尚未核实的组合在网络请求前返回可解析错误码，Groq 流式 JSON Schema 按官方限制明确拒绝。
-- 新增 `maxOutputTokens`，OpenAI/Groq/MiMo 使用 `max_completion_tokens`，其余兼容端点沿用 `max_tokens`；省略时不再强制 4096，流结束用 `truncated` 标记 token 上限截断。
-- 最终发送体复用正式构建结果，`onRequestBuilt` 只收到观察快照；保留正文/思考分流、AbortSignal、可选总时限与轻量受限宿主边界。
-
-## 0.5.1 - 2026-09-21
-
-- Grsai GPT Image 2.5 默认变体从维护中的 Flare 切换为可用的 Standard；显式 Flare/Sunburst 参数保持兼容，等待官方恢复公告。
-- 默认请求体与默认价格估算同步使用 Standard，避免界面未选择变体时仍把任务提交到维护通道。
-
-## 0.5.0 - 2026-09-21
-
-- 文件 ASR 支持分块 JSON/Base64 与 multipart，请求体不重组整文件；支持结构化大小错误、PCM 时长估算及取消清理。
-- **迁移要求**：百炼异步本地文件需宿主 transport.uploadFile 原生直传 OSS，不再走媒体读取通道。其他流式路径需 describe/readChunk + fetchStream；旧 read 路径保留但不得放宽内存保护。
-- 修复上传凭证字符串大小限制漏检，采用官方临时上传 1 GB 上限；Qwen 按编码后 10 MB 预检，Groq/硅基流动附件采用保守十进制上限。
-- 包含原待发布 0.4.2 网络重试修复；外部消费者从公共 npm 精确安装 0.5.0。
-
-## 0.4.2 - 待发布
-
-- 明确识别 TLS 建立前的断连；安全请求在端点尝试耗尽后按 1、3、8 秒退避恢复，取消可立即结束等待。
-- 每次失败重新判定是否可以重试；提交状态不明的写请求停止重放，查询中断继续使用原任务。
-- 网络错误附带脱敏端点、连接阶段、耗时与提交状态，便于宿主定位失败。
-
-## 0.4.1 - 2026-09-11
-
-- 修复 KIE GPT Image 2 / 2.5 误带参考生视频标签；保留图片生成、编辑、多图输入与原有请求契约。
-- 增加全目录输出模态与视频能力标签一致性回归检查，防止图片模型再次显示视频功能。
-
-## 0.4.0 - 2026-09-11
-
-- 新增硅基流动 LLM 按需入口与四个常用模型预设，支持流式正文、思考和工具调用，复用聊天与模型步骤运行时。
-- 硅基流动模型发现支持服务端 chat / embedding / reranker 分类，保留新模型；无效响应不再伪装为空列表。
-- DeepSeek 官方默认仍为 V4.1 Flash；硅基流动托管模型使用独立协议与能力标注。
-
-## 0.3.0 - 2026-09-11
-
-- 新增按需文本 Embedding/Rerank 能力：硅基流动、百炼、派欧云、智谱两类入口，以及火山方舟单条文本向量入口；统一向量索引、重排分数、用量与取消，通过宿主 transport/credentials 执行。火山 VikingDB 重排不在本轮范围。
-
-- 新增 GPT Image 2.5 的 APIMart、KIE、Fal、Grsai 模型及按需入口，默认生成目录从 105 扩展至 109；保留 GPT Image 2 及现有参数和入口。
-- DeepSeek 官方默认与唯一推荐模型更新为 `deepseek-flash`（V4.1 Flash），登记图片理解、1M 上下文和 384K 输出，默认使用 Responses；聚合渠道旧模型保持独立。
-- 根据供应商分别支持 Flare / Sunburst、官方 / Ext 渠道、1K–4K、质量、透明背景、多图和 Fal 遮罩编辑；不支持的组合在构建请求时明确拒绝。
-- 价格区分按张、积分与 token：Fal/APIMart 官方渠道显示输出参考估算，输入另计；Grsai 保留基础充值档估价，并说明大额充值折扣。
-- 补充官方字段与响应 fixture、文生图/编辑契约和宿主参数切换回归；未执行付费生成，不代表实测质量、速度或账单。
-
-## Unreleased
-
-## 0.2.8 - 2026-08-31
-
-- 正式分发渠道从需要读包凭据的私有 GitHub Packages 迁移到公共 npm；消费项目现在可以直接安装 `@henjicc/ai-sdk`，无需 `.npmrc` 或访问令牌。
-- 发布前门禁固定校验 npm 公共 registry、仓库 scope 映射与 `access=public`，并提供显式指定公共源的 `npm run publish:sdk`，避免用户级配置把版本误发回私有源；正式发布仍只由 npm 包维护者手动执行。
-- 本次只调整分发与安装契约，不改变 0.2.7 的运行时 API、模型目录、请求协议或宿主能力边界。
-
-## 0.2.7 - 2026-08-31
-
-- ASR 按需能力从百炼 9 个模型扩展到 15 个：新增火山引擎 SeedASR 2.0 文件 submit/query 与二进制实时 WebSocket、硅基流动 SenseVoiceSmall/TeleSpeechASR，以及 Groq Whisper Large v3/Turbo。
-- 火山实时协议严格校验 V1 大端二进制帧、sequence、payload size、gzip 与终包语义；文件标准版只接受官方要求的公网 URL，不为本地文件伪造上传能力。
-- Groq 与硅基流动使用各自官方 multipart 转写契约并统一输出 `SpeechRecognitionOutput`；Groq `verbose_json` 额外归一化时长、分句和词级时间戳，免费层默认按 25 MB 本地上限保护，消费宿主可按套餐显式调整。
-- 新增四个 ASR 独立 exports、官方来源 fixture、协议断牙测试、bundle 隔离、仓外 Vite/Node ESM 与无全局 TextEncoder/TextDecoder 的受限宿主门禁。
-
-- 默认生成目录从 99 个扩展到 105 个模型，新增六个 Fal 入口：IC-Light v2 重打光，以及 Topaz、Topaz 透明图、SeedVR2、Bria Creative、Ideogram 高清放大；按需工具仍不混入默认目录。
-- IC-Light v2 固定单图约 1MP 重打光契约，并提供五档官方初始光照方向；Fal GPT Image 2 新增 `2:1` 比例和显式约 2K 输出档。
-- Topaz 图片放大统一为 Precision / Creative / Generative 显式模式路由，按模式裁剪模型、增强和人脸参数；Topaz 计价改为按实时官方输出 MP 阶梯计算，不再将所有超过 48MP 的任务直接估为 `$1.36`。
-- Fal 可选图片工具扩展到 12 个：保留 3 个消除工具，新增 6 个重打光、暗光增强、扩图、商品摄影、照片修复、背景移除工具，以及 Qwen、Perspective、FLUX 2 三个多角度工具；提供 3 / 6 / 3 三个聚合 pack 和对应单模型入口。
-- 多角度工具分别支持九档离散方位、透视水平/垂直旋转与 FLUX 2 连续水平、垂直、缩放控制；图片实用工具保持单图输入、官方字段限制和独立固定/按 MP 估价。
-- 新增可移植的 `StructuredGenerationOutput` / `layer-stack` 响应契约；火山引擎、APIMart、KIE 的 Seedream 5.0 Pro 图层拆分统一解析输出顺序、尺寸、格式、包围盒和原始索引，同时保留供应商原始 metadata。
-- Fal 队列提交现在只把 `sync_mode: true` 当作本地直连路由标记；显式 `sync_mode: false` 会继续发送给队列，保证 Pixelcut 等端点返回可持久化 CDN URL。
-- Fal 返回或恢复的 `status_url` / `response_url` 必须属于官方 `https://queue.fal.run` 源，拒绝带用户信息或第三方源的任务 URL，且 `invalid_endpoint` 不进入轮询重试，避免 API Key 被外带。
-- `continuePolling()` 只解析模型端点，不再为了续查重建并校验完整生成请求体；持久化任务可在没有原始媒体参数时安全恢复轮询。
-- 新增 `openai-responses` 模型步骤协议，与 Chat Completions 并存；标准 Responses SSE、usage、失败与取消统一落到既有模型步骤事件和错误契约。
-- 预制供应商按“供应商端点 × 具体模型”自动选择协议：DeepSeek、火山引擎、百炼、MiniMax 与智谱国内 GLM-5.3 的已确认组合默认 Responses，聚合网关和未确认模型继续 Chat。
-- Anthropic 协议仍未实现，不再向宿主设置界面提供伪选项；自定义未知端点只需在 Chat / Responses 之间选择。
-- `LlmProviderSetup` 新增可选 `connectionOverrides`：预设默认继续按具体模型自动路由，只有用户主动修改时才覆盖 API 地址或统一请求协议；供应商身份、凭据槽与模型能力仍保留预设契约。
-- 发布门禁同步锁定 105 个默认模型、12 个 Fal 工具、三类工具聚合包以及仓库外 Node ESM、严格 TypeScript、Vite 与受限宿主包回装；fixture/scripted 验证不发起付费供应商请求。
-
-## 0.2.6 - 2026-08-28
-
-- 新增统一的 `PROVIDER_METADATA` 与 `findProviderMetadata(providerId, options)` 公共契约，覆盖全部生成供应商、LLM 预设与 BigModel 国内/国际端点的官网和 API Key 入口。
-- 派欧云、KIE、APIMart 的 `websiteUrl` 保留项目已有邀请码，其余供应商使用正常官网；未知自定义供应商返回 `null`，宿主无需复制或猜测链接。
-- LLM preset 与 endpoint profile 改为消费统一供应商目录，并更新 Kimi、MiniMax、小米 MiMo、百炼、火山引擎等已变化的控制台入口。
-
-## 0.2.5 - 2026-08-28
-
-- 新增 `LlmProviderSetup` 的 preset/custom 来源契约和 `builtin | user` 生命周期；已有配置字段与工厂参数均保持可选，0.2.4 消费代码无需迁移即可继续运行。
-- `createProviderFromPreset()` 现在显式返回稳定 `credentialId` 与 setup 来源，并允许宿主把正式内置记录标为 `builtin`；BigModel cn/global 仍保持区域化 endpoint profile 与凭据隔离。
-- 新增 API Key 管理地址规范化与解析：endpoint profile 官方地址优先，其次 preset 官方地址，custom 只接受不含内嵌凭据、长度不超过 2048 的绝对 HTTP(S) URL。
-
-## 0.2.4 - 2026-08-28
-
-- 新增 `@henjicc/ai-sdk/llm/bigmodel` 按需入口：保留 `bigmodel` 中国大陆默认实例，并在同一协议族内提供 `cn/global` 两个端点 profile、独立凭据槽和分区价格。
-- 新增 GLM-5.3-Flash 的保守能力目录与 Chat Completions 文件引用、普通 SSE 工具分片支持；结构化输出、`tool_stream` 与 SDK 未实现的 `file_id` 上传保持关闭。
-- LLM 原生流式与模型步按 `providerFamilyId` 应用协议规则、按 `credentialId` 取密钥，并拒绝 BigModel 跨区端点或凭据错配。
-
-本项目遵循语义化版本。`0.x` 阶段仍可能包含破坏性调整，升级时请先阅读对应版本说明。
-
-## 0.2.3 - 2026-08-28
-
-- 修复 Fun-ASR Realtime 把官方 `sentence_begin=true`、`sentence_end=false`、`text=""` 句首生命周期事件误报为 `invalid_response`；空句首现在继续等待真实文本。
-- 保持严格终态：空 final 仍报协议错误，任务全程没有有效 final 时在 `task-finished` 报无有效转写；空 `task-finished.payload` 不覆盖已累计结果。
-- 重复 final 只累计并通知一次；补齐官方事件 fixture、用户错误回归、空终态、终态顺序、错误与资源释放断牙测试。
-
-## 0.2.2 - 2026-08-28
-
-- 新增按需入口 `@henjicc/ai-sdk/llm/modules`：外部包、插件与内置 LLM 共用 source-aware 注册、流式/非流式执行、模型发现、取消、drain、namespace 注销和 dispose 生命周期。
-- LLM module 复用现有 Chat DTO、Token/ReasoningToken、usage、Abort/timeout、RuntimeContext、日志、trace 与统一 discovery；client 统一发射 Usage/Finish/Done/Error，插件不需要导入 SDK，也没有第二套插件专用执行器。
-- module ID 与 provider/model 坐标冲突均拒绝覆盖并列出双方 source；新增 `createGroqLlmModule()`，正式验证外部插件不能遮蔽内置 Groq。
-- 新增精确资源/断牙测试、无网络 bundle 隔离门禁，以及远端 Node ESM、strict TypeScript、Vite 和无全局 `TextEncoder` / `TextDecoder` 消费验证。
-
-## 0.2.1 - 2026-08-28
-
-- 修复构建期 ESM specifier 重写漏掉精确 `.` / `..` 目录导入，确保 Node ESM 消费方可直接加载 ASR、实时 ASR、翻译和 Groq 按需入口。
-- 发布门禁新增仓库外 Node ESM 实际执行，连同严格 TypeScript、Vite、无全局 `TextEncoder` / `TextDecoder` 与 bundle 隔离一起验证；发布说明将 `0.2.0` 标记为不建议使用。
-
-## 0.2.0 - 2026-08-28
-
-- 新增供应商无关的 ASR、翻译与实时会话能力协议；宿主按需注入 HTTP、实时连接、媒体读取、凭据、日志、Abort 与超时，不依赖 Node/Electron 或浏览器全局 WebSocket。
-- 新增 5 个百炼短音频/文件 ASR、4 个百炼实时 ASR、Qwen-MT Flash/Plus/Lite，以及 Groq GPT-OSS 20B 流式聊天、静态默认模型与模型发现入口；具体能力均需从独立子路径显式导入。
-- capability descriptor 新增必填 `source.kind/source.namespace`，支持内置/外部/插件所有权、冲突诊断、来源批量卸载和资源释放；module ID、provider/kind/model 坐标与统一 discovery ID 冲突不再静默覆盖。
-- **破坏性变更**：百炼 ASR module ID 从 `bailian.<modelId>` 统一为 `bailian.speech-recognition.<modelId>`，SDK 不保留旧 ID 或 `funasr` provider alias；已有宿主持久化数据需一次性迁移。
-- 新增 ASR、翻译、Groq 与开放 OCR/custom operation 的穷举/断牙测试及独立 bundle 门禁；所有供应商 fixture 均不含真实密钥，本版本发布验证不发起付费模型请求。
-
-## 0.1.8 - 2026-08-28
-
-- 修复 Photoshop UXP 9.2 缺少全局 `TextDecoder` 时 LLM SSE 无法启动：窄流式入口改用 SDK 内部增量 UTF-8 解码器，不要求宿主注入 DOM 或 Node polyfill。
-- UTF-8 解码覆盖中文与 emoji 跨 chunk、畸形/过长/代理项/越界序列的替换字符语义，以及流结束截断尾段 flush；LLM reasoning/text/usage/stop/`[DONE]` 和 Abort 契约不变。
-- UXP 门禁不再向 VM 注入 `TextEncoder` / `TextDecoder`，并禁止重新引入直接 `TextDecoder` 构造。
-
-## 0.1.7 - 2026-08-28
-
-- 新增 `@henjicc/ai-sdk/llm/streaming` 受限宿主入口，仅包含原生 OpenAI-compatible SSE、取消、必要类型与错误协议，不静态带入 modelStep、Zod 或 Vercel AI SDK。
-- 原生 SSE 补齐 usage 与 finish reason 结果，保持 reasoning/text 事件与旧入口兼容；覆盖 UTF-8 跨 chunk、`[DONE]`、供应商错误与 Abort。
-- 新增关闭 tree-shaking 的 UXP LLM IIFE/ESM 发布门禁，禁止动态代码生成、Node 全局与非必需 Streams polyfill。
-
-## 0.1.6 - 2026-08-28
-
-- APIMart Nano Banana 2、Lite、Pro 新增常规/官方双渠道，保持常规渠道为默认，并按渠道切换精确模型 ID 与估价。
-- APIMart Seedream 5 Pro 补齐官方合法的 `2:1` / `1:2`；Pro/Lite 对列表外比例显式报错，不再静默降级 1:1。
-- Fal Seedream 5 Pro/Lite、Qwen Image 3、GPT Image 2、Z-Image 补齐通用比例与显式约 1MP 请求档；GPT Image 2 补齐 `quality=auto`，所有 0.1.5 默认保持不变。
-- 补齐 Photoshop adapter 迁移交接；APIMart Midjourney、Z-Image、GPT Image 2 与 Fal Nano 隐藏默认经官方契约核证后维持现实现。
-
-## 0.1.5 - 2026-08-28
-
-- 新增零内置依赖的 `generation/core`、99 个完整单模型 pack、8 个 provider adapter/pack；默认
-  `generation` 仍保持 99 模型兼容行为。
-- 新增 provider-scoped 媒体预处理/上传策略，完整 pack 可独立完成媒体读取、上传与生成生命周期。
-- 新增开放 capability module 协议，支持 ASR/OCR 等非媒体生成能力按模块注册、发现、类型化执行与取消。
-- 新增 3 个不进入默认目录的 Fal 图像消除单模型 pack 与聚合 `tool-packs/fal-image-edit-tools`，复用同一
-  Fal 上传、队列、轮询、错误与取消内核。
-- 新增跨 generation、LLM 与开放扩展的统一能力画像和组合筛选；筛选只作用于宿主已导入候选，
-  静态最小化仍由单模型、供应商或模型集合 pack 的 import 边界决定。
-
-## 0.1.4 - 2026-08-27
-
-- 新增 `@henjicc/ai-sdk/generation` 与 `createGenerationClient`，复用根客户端唯一生成内核，不静态带入 LLM/Vercel AI SDK。
-- 新增 generation IIFE/VM 发布门禁：99 模型目录与零网络生命周期通过，禁止 Node、动态代码生成、global fetch、Streams、File、`btoa`/`atob` 等受限宿主风险。
-- Fal CDN 上传改为全程使用 `RuntimeContext.transport` 的 REST initiate + signed PUT，不再依赖 `@fal-ai/client` 或构造 `File`；补齐成功、失败、取消 fixture。
-- 保留 `uploadToFal(apiKey, prepared)` 两参数兼容调用；新宿主应显式传 Transport 或使用生成客户端。
-
-## 0.1.3 - 2026-08-27
-
-- 修复 Fal 队列任务在提交 alias 与状态查询 canonical route 不一致时轮询失败：优先保存供应商返回的完整 `status_url`，仅缺失时才按 `request_id` 重建。
-- 完整 `status_url` 轮询完成后仍还原纯 request id，避免状态 URL 被媒体结果收集器误判为生成结果。
-- KIE/Fal Seedream 4.0、4.5 四个历史 override 已完成真实供应商单张最小规格验证；KIE/APIMart/PPIO 只读连通性与 KIE/APIMart 设置页余额展示已完成正式 Electron 验证。
-
-## 0.1.2 - 2026-08-27
-
-- 修复发布包在标准 Vite 开发模式下无法解析：五个 `exports` 入口不再优先指向未随包发布的 `src/`，统一解析到已发布的 `dist/` ESM 与类型声明。
-- 发布前门禁新增仓库外临时消费方的标准 Vite dev server 解析回归，覆盖包根及四个子路径入口，防止再次发布只在 monorepo 内可用的条件导出。
-
-## 0.1.1 - 2026-08-27
-
-- 新增 Electron、Tauri、UXP 接入指南，以及供应商域名与错误处理参考。
-- 新增 `minimal-node`、`form-renderer`、`llm-chat` 三个可构建示例。
-- 重写快速开始，补齐 GitHub Packages 私有安装、四项宿主接口注入和生成/轮询示例。
-
-- 不改变 `0.1.0` 的运行时 API；此补丁版用于交付完整指南、示例与已知限制。
-
-## 0.1.0 - 2026-08-27
-
-- 首次私有发布到 GitHub Packages：`@henjicc/ai-sdk`。
-- 提供 8 个生成供应商、99 个模型目录、媒体上传预处理与统一 `createAIClient` 入口。
-- 提供 OpenAI-compatible LLM 流式执行与模型步能力。
-- 提供 5 个 ESM 导出入口、完整 TypeScript 类型声明及模型/LLM 适配文档。
-- 产物保留源码模块结构，不预打成单文件，供 UXP、Tauri 与现代 Node 打包器静态分析和 tree-shaking。
-
-迁移说明：这是首次发布，无历史 npm 版本需要迁移；仓库内原占位导入名 `@henji/ai-sdk` 已统一改为 `@henjicc/ai-sdk`。
+
+## 0.6.2 - 2026-09-24
+
+- 完善聊天与翻译 SSE 的事件边界和完成状态校验：保留合法空中间帧、用量与状态通知，提前结束、服务端错误和无效终态不再伪装成功；保留翻译增量/累积协议差异。
+- 修复百炼实时 ASR 字段校验、Qwen 中间文字拼接和状态通知处理；保留 0.6.1 空中间帧兼容，诊断包含实际模型、协议及失败阶段。
+- 收口共享实时会话的取消、超时、后台故障通知和资源释放；SDK 会话提供可选 result promise，旧自定义会话仍兼容。握手清理失败保留首个故障，火山服务错误默认脱敏。
+- 阻止聊天及火山实时识别在取消后继续派发同一帧的后续结果；明确智谱推理网络错误与上下文截断，扩展通知不冒充完成证据。
+- 增加脱敏事件序列回归并执行修复撤销验证，更新聊天示例的合法结束帧。未改变供应商配额、网络稳定性或模型识别质量。
+
+## 0.6.1 - 2026-09-24
+
+- 修复百炼 Fun Duplex 实时识别把无句首标记的空文本中间帧误判为无效响应的问题；覆盖 Qwen Audio 3.1 streaming 与 Fun-ASR 共享协议。
+- 保持缺失文字字段、空最终结果、全程无有效 final 的严格校验及连接释放。
+
+## 0.6.0 - 2026-09-24
+
+- 新增 MiMo 2.6 Pro / Flash / Pro-UltraSpeed 能力；默认推荐 Pro / Flash，保留 2.5 ID（官方计划 10 月 21 日下线），不自动替换用户选择。
+- MiMo Chat / Responses 思考字段分离，兼容完整 reasoning_text 事件及历史思考回传，流中断不再伪装完成。
+- 新增大陆 GLM-5.3-FlashX 与官方价格；Flash / FlashX 开放 JSON 输出并保留思考。
+- 新增 KIE HappyHorse 1.1 文生、图生、多图参考模式，以及火山 Seedream 5.0 Flash 生成/编辑和图层拆分；价格按最新官方单价。
+- 百炼新增 Qwen-Audio 3.1 短音频、文件与实时 ASR，支持方言/即时热词与说话人输出；修复短音频 JSON 回退、上下文字段及文件声道数组。
+- Kimi K3 资料补齐缓存写入 TTL 价格。新增公开入口保持向后兼容，既有外部 ASR 消费方从 0.2.x 升级仍须满足 0.5.0 的宿主流式上传要求。
+
+
+## 0.5.2 - 2026-09-21
+
+- `llm/streaming` 新增有类型定义的文本、JSON Object 与 JSON Schema 输出配置，并把它正式写入 Chat Completions 的 `response_format`。
+- 模型能力现在可声明结构化输出与思考模式能否并用；不支持或尚未核实的组合在网络请求前返回可解析错误码，Groq 流式 JSON Schema 按官方限制明确拒绝。
+- 新增 `maxOutputTokens`，OpenAI/Groq/MiMo 使用 `max_completion_tokens`，其余兼容端点沿用 `max_tokens`；省略时不再强制 4096，流结束用 `truncated` 标记 token 上限截断。
+- 最终发送体复用正式构建结果，`onRequestBuilt` 只收到观察快照；保留正文/思考分流、AbortSignal、可选总时限与轻量受限宿主边界。
+
+## 0.5.1 - 2026-09-21
+
+- Grsai GPT Image 2.5 默认变体从维护中的 Flare 切换为可用的 Standard；显式 Flare/Sunburst 参数保持兼容，等待官方恢复公告。
+- 默认请求体与默认价格估算同步使用 Standard，避免界面未选择变体时仍把任务提交到维护通道。
+
+## 0.5.0 - 2026-09-21
+
+- 文件 ASR 支持分块 JSON/Base64 与 multipart，请求体不重组整文件；支持结构化大小错误、PCM 时长估算及取消清理。
+- **迁移要求**：百炼异步本地文件需宿主 transport.uploadFile 原生直传 OSS，不再走媒体读取通道。其他流式路径需 describe/readChunk + fetchStream；旧 read 路径保留但不得放宽内存保护。
+- 修复上传凭证字符串大小限制漏检，采用官方临时上传 1 GB 上限；Qwen 按编码后 10 MB 预检，Groq/硅基流动附件采用保守十进制上限。
+- 包含原待发布 0.4.2 网络重试修复；外部消费者从公共 npm 精确安装 0.5.0。
+
+## 0.4.2 - 待发布
+
+
+- 根入口补充导出既有的百炼、火山引擎、硅基流动与 Groq 语音识别模块，兼容经典 Node 模块解析的 Electron 宿主；原有按需子路径保持不变。
+- 明确识别 TLS 建立前的断连；安全请求在端点尝试耗尽后按 1、3、8 秒退避恢复，取消可立即结束等待。
+- 每次失败重新判定是否可以重试；提交状态不明的写请求停止重放，查询中断继续使用原任务。
+- 网络错误附带脱敏端点、连接阶段、耗时与提交状态，便于宿主定位失败。
+
+## 0.4.1 - 2026-09-11
+
+- 修复 KIE GPT Image 2 / 2.5 误带参考生视频标签；保留图片生成、编辑、多图输入与原有请求契约。
+- 增加全目录输出模态与视频能力标签一致性回归检查，防止图片模型再次显示视频功能。
+
+## 0.4.0 - 2026-09-11
+
+- 新增硅基流动 LLM 按需入口与四个常用模型预设，支持流式正文、思考和工具调用，复用聊天与模型步骤运行时。
+- 硅基流动模型发现支持服务端 chat / embedding / reranker 分类，保留新模型；无效响应不再伪装为空列表。
+- DeepSeek 官方默认仍为 V4.1 Flash；硅基流动托管模型使用独立协议与能力标注。
+
+## 0.3.0 - 2026-09-11
+
+- 新增按需文本 Embedding/Rerank 能力：硅基流动、百炼、派欧云、智谱两类入口，以及火山方舟单条文本向量入口；统一向量索引、重排分数、用量与取消，通过宿主 transport/credentials 执行。火山 VikingDB 重排不在本轮范围。
+
+- 新增 GPT Image 2.5 的 APIMart、KIE、Fal、Grsai 模型及按需入口，默认生成目录从 105 扩展至 109；保留 GPT Image 2 及现有参数和入口。
+- DeepSeek 官方默认与唯一推荐模型更新为 `deepseek-flash`（V4.1 Flash），登记图片理解、1M 上下文和 384K 输出，默认使用 Responses；聚合渠道旧模型保持独立。
+- 根据供应商分别支持 Flare / Sunburst、官方 / Ext 渠道、1K–4K、质量、透明背景、多图和 Fal 遮罩编辑；不支持的组合在构建请求时明确拒绝。
+- 价格区分按张、积分与 token：Fal/APIMart 官方渠道显示输出参考估算，输入另计；Grsai 保留基础充值档估价，并说明大额充值折扣。
+- 补充官方字段与响应 fixture、文生图/编辑契约和宿主参数切换回归；未执行付费生成，不代表实测质量、速度或账单。
+
+## Unreleased
+
+## 0.2.8 - 2026-08-31
+
+- 正式分发渠道从需要读包凭据的私有 GitHub Packages 迁移到公共 npm；消费项目现在可以直接安装 `@henjicc/ai-sdk`，无需 `.npmrc` 或访问令牌。
+- 发布前门禁固定校验 npm 公共 registry、仓库 scope 映射与 `access=public`，并提供显式指定公共源的 `npm run publish:sdk`，避免用户级配置把版本误发回私有源；正式发布仍只由 npm 包维护者手动执行。
+- 本次只调整分发与安装契约，不改变 0.2.7 的运行时 API、模型目录、请求协议或宿主能力边界。
+
+## 0.2.7 - 2026-08-31
+
+- ASR 按需能力从百炼 9 个模型扩展到 15 个：新增火山引擎 SeedASR 2.0 文件 submit/query 与二进制实时 WebSocket、硅基流动 SenseVoiceSmall/TeleSpeechASR，以及 Groq Whisper Large v3/Turbo。
+- 火山实时协议严格校验 V1 大端二进制帧、sequence、payload size、gzip 与终包语义；文件标准版只接受官方要求的公网 URL，不为本地文件伪造上传能力。
+- Groq 与硅基流动使用各自官方 multipart 转写契约并统一输出 `SpeechRecognitionOutput`；Groq `verbose_json` 额外归一化时长、分句和词级时间戳，免费层默认按 25 MB 本地上限保护，消费宿主可按套餐显式调整。
+- 新增四个 ASR 独立 exports、官方来源 fixture、协议断牙测试、bundle 隔离、仓外 Vite/Node ESM 与无全局 TextEncoder/TextDecoder 的受限宿主门禁。
+
+- 默认生成目录从 99 个扩展到 105 个模型，新增六个 Fal 入口：IC-Light v2 重打光，以及 Topaz、Topaz 透明图、SeedVR2、Bria Creative、Ideogram 高清放大；按需工具仍不混入默认目录。
+- IC-Light v2 固定单图约 1MP 重打光契约，并提供五档官方初始光照方向；Fal GPT Image 2 新增 `2:1` 比例和显式约 2K 输出档。
+- Topaz 图片放大统一为 Precision / Creative / Generative 显式模式路由，按模式裁剪模型、增强和人脸参数；Topaz 计价改为按实时官方输出 MP 阶梯计算，不再将所有超过 48MP 的任务直接估为 `$1.36`。
+- Fal 可选图片工具扩展到 12 个：保留 3 个消除工具，新增 6 个重打光、暗光增强、扩图、商品摄影、照片修复、背景移除工具，以及 Qwen、Perspective、FLUX 2 三个多角度工具；提供 3 / 6 / 3 三个聚合 pack 和对应单模型入口。
+- 多角度工具分别支持九档离散方位、透视水平/垂直旋转与 FLUX 2 连续水平、垂直、缩放控制；图片实用工具保持单图输入、官方字段限制和独立固定/按 MP 估价。
+- 新增可移植的 `StructuredGenerationOutput` / `layer-stack` 响应契约；火山引擎、APIMart、KIE 的 Seedream 5.0 Pro 图层拆分统一解析输出顺序、尺寸、格式、包围盒和原始索引，同时保留供应商原始 metadata。
+- Fal 队列提交现在只把 `sync_mode: true` 当作本地直连路由标记；显式 `sync_mode: false` 会继续发送给队列，保证 Pixelcut 等端点返回可持久化 CDN URL。
+- Fal 返回或恢复的 `status_url` / `response_url` 必须属于官方 `https://queue.fal.run` 源，拒绝带用户信息或第三方源的任务 URL，且 `invalid_endpoint` 不进入轮询重试，避免 API Key 被外带。
+- `continuePolling()` 只解析模型端点，不再为了续查重建并校验完整生成请求体；持久化任务可在没有原始媒体参数时安全恢复轮询。
+- 新增 `openai-responses` 模型步骤协议，与 Chat Completions 并存；标准 Responses SSE、usage、失败与取消统一落到既有模型步骤事件和错误契约。
+- 预制供应商按“供应商端点 × 具体模型”自动选择协议：DeepSeek、火山引擎、百炼、MiniMax 与智谱国内 GLM-5.3 的已确认组合默认 Responses，聚合网关和未确认模型继续 Chat。
+- Anthropic 协议仍未实现，不再向宿主设置界面提供伪选项；自定义未知端点只需在 Chat / Responses 之间选择。
+- `LlmProviderSetup` 新增可选 `connectionOverrides`：预设默认继续按具体模型自动路由，只有用户主动修改时才覆盖 API 地址或统一请求协议；供应商身份、凭据槽与模型能力仍保留预设契约。
+- 发布门禁同步锁定 105 个默认模型、12 个 Fal 工具、三类工具聚合包以及仓库外 Node ESM、严格 TypeScript、Vite 与受限宿主包回装；fixture/scripted 验证不发起付费供应商请求。
+
+## 0.2.6 - 2026-08-28
+
+- 新增统一的 `PROVIDER_METADATA` 与 `findProviderMetadata(providerId, options)` 公共契约，覆盖全部生成供应商、LLM 预设与 BigModel 国内/国际端点的官网和 API Key 入口。
+- 派欧云、KIE、APIMart 的 `websiteUrl` 保留项目已有邀请码，其余供应商使用正常官网；未知自定义供应商返回 `null`，宿主无需复制或猜测链接。
+- LLM preset 与 endpoint profile 改为消费统一供应商目录，并更新 Kimi、MiniMax、小米 MiMo、百炼、火山引擎等已变化的控制台入口。
+
+## 0.2.5 - 2026-08-28
+
+- 新增 `LlmProviderSetup` 的 preset/custom 来源契约和 `builtin | user` 生命周期；已有配置字段与工厂参数均保持可选，0.2.4 消费代码无需迁移即可继续运行。
+- `createProviderFromPreset()` 现在显式返回稳定 `credentialId` 与 setup 来源，并允许宿主把正式内置记录标为 `builtin`；BigModel cn/global 仍保持区域化 endpoint profile 与凭据隔离。
+- 新增 API Key 管理地址规范化与解析：endpoint profile 官方地址优先，其次 preset 官方地址，custom 只接受不含内嵌凭据、长度不超过 2048 的绝对 HTTP(S) URL。
+
+## 0.2.4 - 2026-08-28
+
+- 新增 `@henjicc/ai-sdk/llm/bigmodel` 按需入口：保留 `bigmodel` 中国大陆默认实例，并在同一协议族内提供 `cn/global` 两个端点 profile、独立凭据槽和分区价格。
+- 新增 GLM-5.3-Flash 的保守能力目录与 Chat Completions 文件引用、普通 SSE 工具分片支持；结构化输出、`tool_stream` 与 SDK 未实现的 `file_id` 上传保持关闭。
+- LLM 原生流式与模型步按 `providerFamilyId` 应用协议规则、按 `credentialId` 取密钥，并拒绝 BigModel 跨区端点或凭据错配。
+
+本项目遵循语义化版本。`0.x` 阶段仍可能包含破坏性调整，升级时请先阅读对应版本说明。
+
+## 0.2.3 - 2026-08-28
+
+- 修复 Fun-ASR Realtime 把官方 `sentence_begin=true`、`sentence_end=false`、`text=""` 句首生命周期事件误报为 `invalid_response`；空句首现在继续等待真实文本。
+- 保持严格终态：空 final 仍报协议错误，任务全程没有有效 final 时在 `task-finished` 报无有效转写；空 `task-finished.payload` 不覆盖已累计结果。
+- 重复 final 只累计并通知一次；补齐官方事件 fixture、用户错误回归、空终态、终态顺序、错误与资源释放断牙测试。
+
+## 0.2.2 - 2026-08-28
+
+- 新增按需入口 `@henjicc/ai-sdk/llm/modules`：外部包、插件与内置 LLM 共用 source-aware 注册、流式/非流式执行、模型发现、取消、drain、namespace 注销和 dispose 生命周期。
+- LLM module 复用现有 Chat DTO、Token/ReasoningToken、usage、Abort/timeout、RuntimeContext、日志、trace 与统一 discovery；client 统一发射 Usage/Finish/Done/Error，插件不需要导入 SDK，也没有第二套插件专用执行器。
+- module ID 与 provider/model 坐标冲突均拒绝覆盖并列出双方 source；新增 `createGroqLlmModule()`，正式验证外部插件不能遮蔽内置 Groq。
+- 新增精确资源/断牙测试、无网络 bundle 隔离门禁，以及远端 Node ESM、strict TypeScript、Vite 和无全局 `TextEncoder` / `TextDecoder` 消费验证。
+
+## 0.2.1 - 2026-08-28
+
+- 修复构建期 ESM specifier 重写漏掉精确 `.` / `..` 目录导入，确保 Node ESM 消费方可直接加载 ASR、实时 ASR、翻译和 Groq 按需入口。
+- 发布门禁新增仓库外 Node ESM 实际执行，连同严格 TypeScript、Vite、无全局 `TextEncoder` / `TextDecoder` 与 bundle 隔离一起验证；发布说明将 `0.2.0` 标记为不建议使用。
+
+## 0.2.0 - 2026-08-28
+
+- 新增供应商无关的 ASR、翻译与实时会话能力协议；宿主按需注入 HTTP、实时连接、媒体读取、凭据、日志、Abort 与超时，不依赖 Node/Electron 或浏览器全局 WebSocket。
+- 新增 5 个百炼短音频/文件 ASR、4 个百炼实时 ASR、Qwen-MT Flash/Plus/Lite，以及 Groq GPT-OSS 20B 流式聊天、静态默认模型与模型发现入口；具体能力均需从独立子路径显式导入。
+- capability descriptor 新增必填 `source.kind/source.namespace`，支持内置/外部/插件所有权、冲突诊断、来源批量卸载和资源释放；module ID、provider/kind/model 坐标与统一 discovery ID 冲突不再静默覆盖。
+- **破坏性变更**：百炼 ASR module ID 从 `bailian.<modelId>` 统一为 `bailian.speech-recognition.<modelId>`，SDK 不保留旧 ID 或 `funasr` provider alias；已有宿主持久化数据需一次性迁移。
+- 新增 ASR、翻译、Groq 与开放 OCR/custom operation 的穷举/断牙测试及独立 bundle 门禁；所有供应商 fixture 均不含真实密钥，本版本发布验证不发起付费模型请求。
+
+## 0.1.8 - 2026-08-28
+
+- 修复 Photoshop UXP 9.2 缺少全局 `TextDecoder` 时 LLM SSE 无法启动：窄流式入口改用 SDK 内部增量 UTF-8 解码器，不要求宿主注入 DOM 或 Node polyfill。
+- UTF-8 解码覆盖中文与 emoji 跨 chunk、畸形/过长/代理项/越界序列的替换字符语义，以及流结束截断尾段 flush；LLM reasoning/text/usage/stop/`[DONE]` 和 Abort 契约不变。
+- UXP 门禁不再向 VM 注入 `TextEncoder` / `TextDecoder`，并禁止重新引入直接 `TextDecoder` 构造。
+
+## 0.1.7 - 2026-08-28
+
+- 新增 `@henjicc/ai-sdk/llm/streaming` 受限宿主入口，仅包含原生 OpenAI-compatible SSE、取消、必要类型与错误协议，不静态带入 modelStep、Zod 或 Vercel AI SDK。
+- 原生 SSE 补齐 usage 与 finish reason 结果，保持 reasoning/text 事件与旧入口兼容；覆盖 UTF-8 跨 chunk、`[DONE]`、供应商错误与 Abort。
+- 新增关闭 tree-shaking 的 UXP LLM IIFE/ESM 发布门禁，禁止动态代码生成、Node 全局与非必需 Streams polyfill。
+
+## 0.1.6 - 2026-08-28
+
+- APIMart Nano Banana 2、Lite、Pro 新增常规/官方双渠道，保持常规渠道为默认，并按渠道切换精确模型 ID 与估价。
+- APIMart Seedream 5 Pro 补齐官方合法的 `2:1` / `1:2`；Pro/Lite 对列表外比例显式报错，不再静默降级 1:1。
+- Fal Seedream 5 Pro/Lite、Qwen Image 3、GPT Image 2、Z-Image 补齐通用比例与显式约 1MP 请求档；GPT Image 2 补齐 `quality=auto`，所有 0.1.5 默认保持不变。
+- 补齐 Photoshop adapter 迁移交接；APIMart Midjourney、Z-Image、GPT Image 2 与 Fal Nano 隐藏默认经官方契约核证后维持现实现。
+
+## 0.1.5 - 2026-08-28
+
+- 新增零内置依赖的 `generation/core`、99 个完整单模型 pack、8 个 provider adapter/pack；默认
+  `generation` 仍保持 99 模型兼容行为。
+- 新增 provider-scoped 媒体预处理/上传策略，完整 pack 可独立完成媒体读取、上传与生成生命周期。
+- 新增开放 capability module 协议，支持 ASR/OCR 等非媒体生成能力按模块注册、发现、类型化执行与取消。
+- 新增 3 个不进入默认目录的 Fal 图像消除单模型 pack 与聚合 `tool-packs/fal-image-edit-tools`，复用同一
+  Fal 上传、队列、轮询、错误与取消内核。
+- 新增跨 generation、LLM 与开放扩展的统一能力画像和组合筛选；筛选只作用于宿主已导入候选，
+  静态最小化仍由单模型、供应商或模型集合 pack 的 import 边界决定。
+
+## 0.1.4 - 2026-08-27
+
+- 新增 `@henjicc/ai-sdk/generation` 与 `createGenerationClient`，复用根客户端唯一生成内核，不静态带入 LLM/Vercel AI SDK。
+- 新增 generation IIFE/VM 发布门禁：99 模型目录与零网络生命周期通过，禁止 Node、动态代码生成、global fetch、Streams、File、`btoa`/`atob` 等受限宿主风险。
+- Fal CDN 上传改为全程使用 `RuntimeContext.transport` 的 REST initiate + signed PUT，不再依赖 `@fal-ai/client` 或构造 `File`；补齐成功、失败、取消 fixture。
+- 保留 `uploadToFal(apiKey, prepared)` 两参数兼容调用；新宿主应显式传 Transport 或使用生成客户端。
+
+## 0.1.3 - 2026-08-27
+
+- 修复 Fal 队列任务在提交 alias 与状态查询 canonical route 不一致时轮询失败：优先保存供应商返回的完整 `status_url`，仅缺失时才按 `request_id` 重建。
+- 完整 `status_url` 轮询完成后仍还原纯 request id，避免状态 URL 被媒体结果收集器误判为生成结果。
+- KIE/Fal Seedream 4.0、4.5 四个历史 override 已完成真实供应商单张最小规格验证；KIE/APIMart/PPIO 只读连通性与 KIE/APIMart 设置页余额展示已完成正式 Electron 验证。
+
+## 0.1.2 - 2026-08-27
+
+- 修复发布包在标准 Vite 开发模式下无法解析：五个 `exports` 入口不再优先指向未随包发布的 `src/`，统一解析到已发布的 `dist/` ESM 与类型声明。
+- 发布前门禁新增仓库外临时消费方的标准 Vite dev server 解析回归，覆盖包根及四个子路径入口，防止再次发布只在 monorepo 内可用的条件导出。
+
+## 0.1.1 - 2026-08-27
+
+- 新增 Electron、Tauri、UXP 接入指南，以及供应商域名与错误处理参考。
+- 新增 `minimal-node`、`form-renderer`、`llm-chat` 三个可构建示例。
+- 重写快速开始，补齐 GitHub Packages 私有安装、四项宿主接口注入和生成/轮询示例。
+
+- 不改变 `0.1.0` 的运行时 API；此补丁版用于交付完整指南、示例与已知限制。
+
+## 0.1.0 - 2026-08-27
+
+- 首次私有发布到 GitHub Packages：`@henjicc/ai-sdk`。
+- 提供 8 个生成供应商、99 个模型目录、媒体上传预处理与统一 `createAIClient` 入口。
+- 提供 OpenAI-compatible LLM 流式执行与模型步能力。
+- 提供 5 个 ESM 导出入口、完整 TypeScript 类型声明及模型/LLM 适配文档。
+- 产物保留源码模块结构，不预打成单文件，供 UXP、Tauri 与现代 Node 打包器静态分析和 tree-shaking。
+
+迁移说明：这是首次发布，无历史 npm 版本需要迁移；仓库内原占位导入名 `@henji/ai-sdk` 已统一改为 `@henjicc/ai-sdk`。