AWS SDK for Go v2 2025-01-15版本发布:S3校验和增强与多服务更新
AWS SDK for Go v2作为亚马逊云服务的官方Go语言开发工具包,在2025年1月15日发布了重要更新版本。本次更新最显著的变化是对S3服务的校验和机制进行了全面增强,同时还包括了Bedrock Agent Runtime、Cognito Identity等多个服务的功能改进。
S3校验和机制的全面升级
在本次更新中,S3客户端的校验和行为得到了重大改进,主要体现在以下几个方面:
-
默认启用校验和计算:现在所有支持校验和的操作(如PutObject或UploadPart)或需要校验和的操作(如DeleteObjects)都会默认计算校验和,默认算法变更为CRC32。
-
灵活的校验和配置:开发者可以通过多种方式配置校验和行为:
- 代码层面使用RequestChecksumCalculation
- 共享配置中使用request_checksum_calculation
- 环境变量AWS_REQUEST_CHECKSUM_CALCULATION
-
响应校验和验证:S3客户端现在会尝试验证所有支持校验和的S3 API操作的响应校验和。如果SDK尚未实现指定的校验和算法,则会跳过此验证。
-
新增CRC64NVME算法支持:本次更新引入了对CRC64NVME校验和算法的支持,为多部分S3对象提供了完整的对象校验和,并增强了S3请求的默认完整性保护。
其他服务的重要更新
Bedrock Agent Runtime服务
现在支持内联代理的流式传输功能,这使得开发者可以更高效地处理实时数据流。
Cognito Identity服务
修正了双栈端点配置,提高了服务的兼容性和稳定性。
Partner Central Selling服务
新增了对ResourceSnapshotJob资源的标记支持,为资源管理提供了更多灵活性。
Workspaces服务
新增了GeneralPurpose.4xlarge和GeneralPurpose.8xlarge两种计算类型,为用户提供了更多选择。
Workspaces Thin Client服务
将MaintenanceWindow中的type标记为必填项,增强了API的严谨性。
配置模块更新
配置模块(config)也同步更新了对S3校验和机制的支持,开发者可以通过共享配置或环境变量来统一管理校验和行为。
总结
AWS SDK for Go v2的这次更新在数据完整性保护方面迈出了重要一步,特别是S3服务的校验和机制改进将显著提升数据传输的可靠性。同时,多个服务的功能增强也为开发者提供了更多可能性和便利性。建议所有使用相关服务的开发者及时升级到新版本,以获得最佳的性能和安全性体验。
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