Centrifugo v6.1.0 发布:实时消息服务器的重要更新
Centrifugo 是一个开源的、可扩展的实时消息服务器,它能够通过多种传输协议(如 WebSocket、HTTP-streaming、Server-Sent Events、GRPC 和 WebTransport)即时向在线用户传递消息。Centrifugo 采用了频道(channel)的概念,使其成为一个面向用户的发布/订阅(PUB/SUB)服务器。它语言无关,可以与任何后端结合使用,非常适合构建聊天应用、实时评论、多人在线游戏、实时数据可视化和协作工具等现代架构应用。
自动检测 Redis Cluster 和 TLS 支持
在 Centrifugo v6.1.0 中,最显著的改进之一是自动检测 Redis Cluster 的功能。现代云服务提供商通常为用户提供 redis://host:port 或 rediss://host:port 的 URL,这些 URL 可能对应独立的 Redis 实例或 Redis Cluster。以前,用户需要明确配置集群模式,而现在 Centrifugo 能够自动识别并适应这两种情况,大大简化了在云环境中的部署和配置。
此外,Centrifugo 现在正式支持 rediss 协议,这是 Redis 规范中定义的 TLS 加密连接方式。虽然之前可以通过配置参数启用 TLS,但直接使用 rediss:// 前缀更加符合行业惯例,使得配置更加直观和标准化。
性能优化与兼容性改进
本次更新采用了 Go 1.24.1 进行构建,得益于 Go 1.24 版本引入的性能优化,Centrifugo 的发布/订阅吞吐量得到了显著提升。在 Apple M1 Pro(2021)上的基准测试显示,最大吞吐量从 162 万消息/秒提升到了 174 万消息/秒,性能提升约 7.4%,这对于高负载的实时应用来说是一个重要的进步。
在跨域通信方面,Centrifugo 现在为 HTTP 传输的预检响应和模拟端点预检响应添加了 Access-Control-Max-Age: 300 头。这一改进减少了浏览器在跨域环境下发送预检 OPTIONS 请求的频率,使得双向模拟在跨域环境中更加高效,降低了客户端到服务器模拟请求的延迟(从 2 次往返时间减少到 1 次),同时减少了 HTTP 请求的总数。
系统兼容性与问题修复
Centrifugo v6.1.0 新增了对 Ubuntu 24.04 Noble Numbat 的 DEB 包支持,同时移除了对已停止维护的 Ubuntu Bionic Beaver 的支持,确保了系统的安全性和稳定性。
在问题修复方面,团队将 rueidis 依赖降级到 v1.0.53 版本,解决了在强制使用 RESP2 协议时可能出现的 AUTH 错误问题,提高了 Redis 连接的可靠性。
总结
Centrifugo v6.1.0 的发布带来了多项重要改进,特别是在 Redis 集群自动检测、TLS 支持、性能优化和跨域通信效率方面。这些改进使得 Centrifugo 在云环境中的部署更加简单,性能更加强大,同时也提升了开发者和最终用户的使用体验。对于正在使用或考虑采用 Centrifugo 作为实时消息解决方案的团队来说,升级到 v6.1.0 版本将能够获得更好的性能和更简便的运维体验。
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-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