Chinadns-ng项目2025.06.20版本发布:DNS解析工具的重大更新
Chinadns-ng是一款专注于DNS解析优化的工具,它通过智能分流技术实现了国内外DNS查询的高效处理。该项目特别适合需要同时访问国内外网络资源的用户,能够有效解决DNS解析异常和解析延迟等问题。
核心更新内容
本次2025.06.20版本带来了两个重要改进:
-
wolfssl依赖库升级至5.8.0:作为支持DoT(DNS over TLS)功能的关键组件,wolfssl库的更新带来了性能提升和安全增强。新版本优化了加密算法实现,特别是在x86_64(v3/v4)和aarch64架构上启用了硬件加速指令,显著提高了TLS握手和加密解密的效率。
-
本地资源记录优先级调整:这一改动使得用户可以通过特殊配置实现白名单解析功能。具体来说,当将default-tag设置为null时,可以实现仅解析白名单中的域名,其他域名则不做解析。这种设计为需要精细控制DNS解析行为的用户提供了更大的灵活性。
架构支持与优化
Chinadns-ng项目提供了丰富的架构支持,确保在各种硬件平台上都能获得最佳性能:
-
x86_64架构:针对不同微架构级别(v2/v3/v4)进行了专门优化,特别是v3/v4版本充分利用了现代CPU的AVX等指令集加速加密运算。
-
ARM架构:覆盖了从v5到v9的各种ARM指令集版本,包括32位和64位实现。特别值得注意的是,针对树莓派等可能缺少某些指令的硬件,提供了无硬件加速的noasm版本。
-
其他架构:项目还支持MIPS、RISC-V等多种架构,确保在各种嵌入式设备和特殊硬件上都能运行。
版本选择建议
对于普通用户,建议根据自身硬件选择对应架构的标准版本。如果需要DoT功能,则应选择带有wolfssl后缀的版本。值得注意的是:
- 现代x86处理器用户应优先选择x86_64_v3或x86_64_v4版本以获得最佳性能。
- ARMv8设备用户可选择aarch64版本,而较旧的ARMv7设备则应选择对应的arm版本。
- 对于加密性能要求不高的场景,可以选择不带wolfssl的标准版本,体积更小,资源占用更低。
技术实现亮点
Chinadns-ng在技术实现上有几个值得关注的创新点:
-
多线程优化:通过精心设计的线程模型,实现了高并发DNS查询处理,即使在大量请求下也能保持稳定性能。
-
内存管理:采用高效的内存分配策略,减少内存碎片,提高缓存命中率。
-
协议支持:完整支持传统DNS和现代DoT协议,满足不同安全需求。
-
智能分流:基于高效的域名匹配算法,实现国内外流量的精准分流。
应用场景
Chinadns-ng特别适用于以下场景:
- 需要同时访问国内外网络服务的用户,解决DNS解析的准确性问题。
- 对网络隐私有要求的用户,可通过DoT功能加密DNS查询。
- 网络管理员需要实现精细的DNS管控策略。
- 嵌入式设备和路由器等资源受限环境下的DNS优化。
总结
Chinadns-ng项目的2025.06.20版本通过核心组件升级和功能优化,进一步提升了DNS解析的效率和灵活性。特别是对硬件加速指令的支持和对本地资源记录优先级的调整,使得这款工具在性能和功能上都达到了新的高度。无论是普通用户还是技术爱好者,都能从这个版本中获得更好的DNS解析体验。
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