AWS SDK Rust 2025年3月发布:Bedrock评估作业与Lambda Ruby 3.4支持
AWS SDK Rust项目为开发者提供了在Rust语言中访问AWS服务的官方支持。作为AWS云服务的原生接口,它让Rust开发者能够高效、安全地构建云原生应用。2025年3月19日,该项目发布了新版本,带来了多项重要更新,特别是在AI服务和计算服务方面有显著增强。
Bedrock服务增强:自定义提示路由支持
AWS Bedrock服务在此次更新中获得了对评估作业自定义提示路由的支持。这一功能允许开发者在模型评估流程中更灵活地控制提示的分发和处理方式。
在机器学习模型的评估过程中,提示路由决定了不同的输入提示如何被分配到各个评估节点。通过自定义路由机制,开发者可以:
- 根据提示内容特性实现定向分发
- 为特定类型的输入设计专门的评估路径
- 优化评估资源的利用率
这项更新使得Bedrock服务的评估工作流更加灵活,特别适合需要复杂评估策略的大规模模型测试场景。
Lambda服务新增Ruby 3.4运行时支持
AWS Lambda服务在此次SDK更新中增加了对Ruby 3.4语言运行时的支持。这意味着开发者现在可以使用最新的Ruby 3.4特性来构建无服务器函数。
Ruby 3.4带来了多项语言改进和性能优化,包括:
- 更高效的模式匹配语法
- 改进的垃圾回收机制
- 增强的并发处理能力
通过Rust SDK,开发者可以便捷地管理Ruby 3.4运行时的Lambda函数,包括创建、更新和部署操作。这一更新保持了AWS对多语言运行时支持的承诺,为Ruby开发者提供了更现代化的无服务器开发体验。
MediaConnect服务引入NDI流输出支持
AWS Elemental MediaConnect服务新增了对NDI(Network Device Interface)流输出的支持。NDI是一种流行的IP视频传输协议,广泛应用于专业视频制作领域。
通过这项更新,开发者可以:
- 将MediaConnect传输流直接发送到NDI环境
- 构建基于IP的视频制作工作流
- 实现云端与本地制作系统的无缝集成
NDI输出类型的加入扩展了MediaConnect在专业媒体工作流中的应用场景,特别是在需要与现有NDI生态系统集成的项目中。
SageMaker处理作业新增实例类型支持
Amazon SageMaker服务在此次更新中增加了对g6、g6e、m6i和c6i实例类型的处理作业支持。这些实例类型提供了不同的计算和内存配置,适合各种机器学习工作负载:
- g6/g6e实例:GPU加速实例,适合需要图形处理能力的训练任务
- m6i实例:内存优化实例,适合大规模数据处理
- c6i实例:计算优化实例,适合CPU密集型任务
开发者现在可以通过Rust SDK更灵活地为SageMaker处理作业选择最适合的实例类型,优化成本和性能。
其他重要改进
除了上述主要更新外,本次发布还包括:
- NeptuneGraph服务改进了IAM角色ARN验证,现在支持角色路径
- EC2服务的文档更新,提供了2025年3月的最新内容
- 多项服务的常规错误修复和性能优化
这些更新共同提升了AWS SDK Rust的稳定性、功能覆盖率和开发体验,使Rust开发者能够更高效地构建和扩展云原生应用。
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