Odigos v1.0.171版本发布:增强采样与OpenShift支持
Odigos是一个开源的分布式追踪系统,它通过自动检测应用程序中的关键路径并生成追踪数据,帮助开发者更好地理解和优化系统性能。最新发布的v1.0.171版本带来了一系列重要改进,特别是在采样处理和OpenShift集群支持方面。
采样处理器的重大增强
新版本为采样处理器添加了多种新的采样器实现,这将显著提升系统在处理大量追踪数据时的灵活性。采样是分布式追踪系统中的关键环节,它决定了哪些请求会被记录和分析。过多的采样会消耗大量存储资源,而过少的采样则可能导致重要信息丢失。
v1.0.171版本引入的新采样器包括:
- 基于概率的采样器:按固定比例采样请求
- 基于速率的采样器:控制单位时间内的采样数量
- 动态采样器:根据系统负载自动调整采样率
这些新特性使得开发团队能够更精确地控制采样策略,在保证关键业务数据完整性的同时,有效降低存储和分析成本。
OpenShift集群的自动检测支持
对于使用Red Hat OpenShift的企业用户,v1.0.171版本新增了自动检测OpenShift集群的功能。这意味着Odigos现在能够:
- 自动识别运行环境是否为OpenShift
- 根据OpenShift特性优化资源分配和权限配置
- 无缝集成OpenShift的原生监控和安全机制
这一改进大大简化了在OpenShift上部署和管理Odigos的复杂度,使企业用户能够更快速地获得分布式追踪带来的价值。
其他重要改进
除了上述主要特性外,v1.0.171版本还包含以下值得关注的改进:
-
URL模板处理器:新增的URL模板处理器允许用户动态构建追踪数据的存储和查询URL,提高了系统配置的灵活性。
-
UI事件流优化:改进了用户界面中的服务器发送事件(SSE)处理逻辑,确保修改事件能够被正确识别和处理,提升了用户体验。
-
Python OpenTelemetry客户端更新:同步了最新的Python OpenTelemetry SDK版本,修复了已知问题并提升了性能。
-
文档依赖更新:更新了文档系统的多个依赖项,提高了文档构建的稳定性和安全性。
版本兼容性与升级建议
v1.0.171版本保持了与之前版本的API兼容性,用户可以直接升级而无需修改现有配置。对于生产环境,建议先在测试环境中验证新版本的采样策略和OpenShift支持功能,确保它们符合您的具体需求。
Odigos团队持续关注用户反馈,不断优化系统的性能和易用性。v1.0.171版本的发布再次证明了项目对满足企业级需求的承诺,特别是在复杂Kubernetes环境中的支持方面。
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-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