AWS SDK Rust 2025年3月发布:新增Bedrock运行时特性与多项服务更新
AWS SDK Rust项目是亚马逊云服务官方提供的Rust语言SDK,它让开发者能够使用Rust语言高效地访问AWS云服务的各种API。2025年3月31日,该项目发布了新版本,带来了多项重要更新和功能增强。
Bedrock运行时服务新增Prompt缓存支持
本次更新中,aws-sdk-bedrockruntime服务新增了对Prompt缓存的支持,这一特性被集成到了Converse和ConverseStream API中。Prompt缓存是一种优化技术,它允许系统缓存先前处理过的提示词(prompt)及其响应,当相同的提示词再次出现时,可以直接返回缓存结果,而不需要重新计算或调用模型。
这项技术特别适合以下场景:
- 重复性查询处理
- 需要快速响应的对话系统
- 成本敏感型应用
对于开发者而言,这意味着可以显著降低API调用成本,同时提高响应速度。特别是在处理大量相似请求的应用中,性能提升将非常明显。
Deadline服务增强搜索功能
aws-sdk-deadline服务新增了搜索词匹配类型支持,目前支持模糊匹配(fuzzy)和包含匹配(contains)两种方式。这一增强使得资源管理更加灵活:
- 模糊匹配:允许有一定容错率的搜索,适合用户输入可能存在拼写错误的情况
- 包含匹配:精确查找包含特定关键词的资源
这种改进对于管理复杂渲染任务和计算资源的系统特别有价值,能够帮助用户更准确地找到所需资源。
EC2服务引入VPC路由服务器
aws-sdk-ec2服务发布了VPC路由服务器(Route Server)功能,这是一项重要的网络功能增强。VPC路由服务器允许在虚拟私有云(VPC)中实现动态路由,提供了以下优势:
- 简化网络架构:减少手动配置静态路由的需求
- 提高灵活性:支持网络拓扑的动态调整
- 增强可扩展性:便于大型复杂网络环境的管理
这项功能特别适合需要构建复杂网络架构的企业级应用,或者需要频繁调整网络配置的开发场景。
EKS服务支持混合节点远程网络配置更新
aws-sdk-eks服务现在支持通过UpdateClusterConfig API更新混合节点的RemoteNetworkConfig。这一改进使得管理混合云环境中的Kubernetes集群更加便捷:
- 简化了跨环境网络配置管理
- 支持动态调整网络参数
- 提高了混合云场景下的操作一致性
对于采用混合云策略的企业,这意味着可以更灵活地调整网络配置,而无需重建集群或进行复杂的手动配置。
S3服务增强本地区域支持
aws-sdk-s3和aws-sdk-s3control服务现在支持在AWS专用本地区域(Dedicated Local Zones)中为目录桶(directory buckets)使用S3访问点(Access Points)。这一增强提供了:
- 更精细的访问控制:通过访问点实现细粒度的权限管理
- 本地化数据处理:在专用本地区域处理数据,满足数据驻留要求
- 性能优化:减少数据传输距离,降低延迟
对于有严格数据本地化要求或需要低延迟访问的应用,这项功能提供了更好的解决方案。
传输服务新增Web应用端点策略支持
aws-sdk-transfer服务增加了对WebAppEndpointPolicy的支持,这使得管理文件传输服务的Web应用端点更加安全和灵活。主要特点包括:
- 细粒度的访问控制策略
- 增强的安全配置选项
- 简化的策略管理接口
这项更新特别适合需要安全文件传输服务的金融、医疗等行业应用。
其他重要更新
本次发布还包括多项其他服务的更新:
- SESv2服务增加了对全局端点的双栈支持,提高了电子邮件服务的可靠性和兼容性
- 市场授权服务(Marketplace Entitlement Service)增加了双栈端点支持
- Outposts服务启用了资产级容量管理功能,允许为单个资产创建容量任务
开发者体验改进
除了服务功能的增强,本次发布还包括多项底层改进,提升了SDK的整体稳定性和性能。对于Rust开发者而言,这些更新意味着:
- 更完整的AWS服务覆盖
- 更高效的API调用
- 更丰富的配置选项
- 更稳定的运行时表现
升级建议
对于正在使用AWS SDK Rust的开发者,建议评估新版本中的功能是否满足项目需求。特别是以下情况值得考虑升级:
- 需要使用Bedrock运行时的新缓存功能
- 计划部署VPC路由服务器
- 管理混合云环境中的EKS集群
- 在专用本地区域使用S3服务
升级时应注意检查API变更和可能的破坏性更新,确保与现有代码的兼容性。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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