AWS SDK for Java v2 2.31.19版本发布:控制目录增强与数据传输优化
AWS SDK for Java v2是亚马逊云服务官方提供的Java开发工具包,它允许Java开发者轻松地与各种AWS服务进行交互。2.31.19版本带来了一系列功能增强和优化,特别是在AWS控制目录和AWS Transfer Family服务方面有显著改进。
AWS控制目录功能增强
本次更新对AWS控制目录服务进行了重要功能扩展。GetControl API现在能够返回控制项的三个关键属性:严重性(Severity)、创建时间(CreateTime)和标识符(Identifier)。这些信息对于理解控制项的实施情况至关重要。
同时,ListControls API也获得了类似的增强,现在可以展示控制项的行为(Behavior)、严重性、创建时间和标识符。这些改进为开发者提供了更全面的控制项实施视图,使得监控和管理AWS资源的安全性变得更加直观和高效。
AWS Glue表优化器改进
AWS Glue服务中的TableOptimizer API现在会在每个TableOptimizerRun中返回DpuHours字段。这一改进为客户提供了关于托管Apache Iceberg表压缩优化所使用DPU小时的透明视图,有助于更好地理解和优化相关成本。
AWS Ground Station支持更新
AWS Ground Station服务现在支持对代理(Agents)进行标记,并调整了输入字段的验证逻辑。这些改进增强了卫星地面站服务的管理灵活性和数据输入的准确性。
AWS Transfer Family用户体验提升
AWS Transfer Family服务迎来了两项重要的用户体验改进:
- 客户现在可以自助设置SFTP连接器的并发连接数,这大大提高了配置的灵活性和自主性。
- 客户可以通过SFTP连接器发现远程服务器的公共主机密钥,增强了连接的安全性和透明度。
这两项改进使得SFTP连接器的使用更加便捷和安全,特别适合需要处理大量文件传输的企业用户。
Amazon DynamoDB文档更新
本次发布还包含了Amazon DynamoDB文档的更新,主要涉及二级索引和Create_Table操作的说明。这些文档更新有助于开发者更好地理解和使用DynamoDB的高级功能。
总结
AWS SDK for Java v2 2.31.19版本通过多项功能增强,进一步提升了开发者与AWS服务交互的体验。特别是控制目录功能的扩展和SFTP连接器的改进,为企业的云资源管理和文件传输工作流带来了显著的价值提升。建议使用相关服务的Java开发者及时升级到这一版本,以充分利用这些新功能和改进。
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