Odigos v1.0.168 版本发布:增强云原生可观测性能力
Odigos 是一个开源的分布式追踪和可观测性平台,它能够自动检测应用程序中的遥测数据(如追踪、指标和日志),并将其发送到各种可观测性后端。最新发布的 v1.0.168 版本带来了多项重要更新和功能增强,进一步提升了云原生环境下的可观测性能力。
核心功能增强
新增多个目标数据源支持
本次版本最显著的改进是增加了对多种流行可观测性后端的原生支持:
-
AWS EMF 目标:新增了对 Amazon CloudWatch Metrics 的 EMF(Embedded Metric Format)格式支持,使 AWS 用户能够更高效地将指标数据发送到 CloudWatch。
-
时序数据库支持:
- GreptimeDB:一个开源的时序数据库
- VictoriaMetrics:高性能的时序数据库和监控解决方案
-
商业可观测性平台:
- OneUptime:全栈监控平台
- Observe:现代可观测性平台
- Seq:专注于结构化日志的可观测性工具
- Tingyun:应用性能监控解决方案
-
云服务提供商:
- 阿里云(Alibaba Cloud)
- 甲骨文云(Oracle Cloud)
这些新增的目标数据源支持使得 Odigos 能够满足更广泛的用户需求,无论是使用开源解决方案还是商业产品的团队都能从中受益。
配置管理改进
-
环境变量配置增强:现在支持从环境变量中获取配置值(env valuefrom config),这为 Kubernetes 环境下的配置管理提供了更大的灵活性。
-
Java 代理优化:改进了 Java 代理的环境变量处理逻辑,现在只会设置一个环境变量,避免了多个选项定义时可能出现的冲突问题。
开发者体验提升
-
CLI 工具改进:
- 修复了节点收集器(node collector)的描述命令问题
- 移除了已弃用的 --rm-dist 参数,改用 --clean 参数
- 整合了发布 CLI 工具,简化了发布流程
-
文档修复:解决了文档崩溃的问题,提升了文档的稳定性和可用性。
依赖项更新
-
前端相关依赖升级:
- gqlgen 从 0.17.68 升级到 0.17.70
- gin-contrib/cors 从 1.7.3 升级到 1.7.4
- React 从 19.0.0 升级到 19.1.0
-
文档工具 mintlify 从 4.0.441 升级到 4.0.454
Python 代理更新
Python 代理升级到了 v1.0.34 版本,带来了性能改进和稳定性增强。
发布质量保证
新增了对开放偏移 PR 的发布检查(release check for open offsets PRs),进一步提高了发布流程的质量和可靠性。
总结
Odigos v1.0.168 版本通过增加对多种流行可观测性后端的支持,显著扩展了其应用场景。同时,在配置管理、开发者体验和发布质量方面的改进,使得这个开源可观测性平台更加成熟和可靠。对于正在构建云原生可观测性体系的团队来说,这个版本提供了更多选择和更好的使用体验。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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-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