BuildKit v0.20.0-rc1 发布:支持GPU设备与GitHub Actions缓存升级
BuildKit 是一个现代化的容器镜像构建工具包,它采用模块化设计,支持高效的缓存机制和并行构建,能够显著提升容器镜像构建的性能。作为 Docker 构建引擎的后继者,BuildKit 提供了更灵活、更高效的构建体验。
近日,BuildKit 发布了 v0.20.0-rc1 版本,这是即将发布的 v0.20.0 正式版的第一个候选版本。本次更新带来了多项重要改进和新功能,特别是在设备支持和缓存机制方面有显著增强。
核心功能更新
1. CDI设备支持(实验性功能)
本次版本最引人注目的新特性是增加了对 CDI(Container Device Interface)设备的支持。CDI 是一个标准化的设备接口规范,允许容器运行时动态地将设备(如GPU)注入到容器中。
在 BuildKit 中,这意味着构建步骤现在可以请求特定的设备资源。例如,在机器学习相关的构建过程中,可以直接使用GPU加速某些计算密集型任务。这一功能目前处于实验阶段,需要通过 Dockerfile 的"labs"通道启用。
2. GitHub Actions缓存后端升级
随着GitHub官方宣布将在2025年3月1日停止支持V1 API,BuildKit 及时更新了其GitHub Actions缓存后端,全面支持V2 API。这一变更确保了使用GitHub Actions作为缓存后端的用户能够无缝过渡到新API。
3. 历史记录API增强
历史记录API现在支持服务器端过滤和返回记录数量限制,这为管理大量构建记录提供了更好的控制和灵活性。用户现在可以根据特定条件筛选历史记录,并限制返回的结果数量,提高查询效率。
重要变更与修复
1. Azure远程缓存后端移除
由于依赖项问题,本版本暂时移除了对Azure远程缓存后端的支持。开发团队表示可能会在未来的版本中重新引入这一功能。
2. 嵌入式binfmt更新
内置的binfmt模拟器已升级至QEMU 9.2.0版本,这提高了跨架构构建的兼容性和性能。
3. 稳定性改进
- 修复了长时间构建中可能出现的凭据过期问题
- 解决了S3远程缓存后端可能导致的崩溃问题
- 修复了Bolt数据库中的记录泄漏问题
依赖项更新
BuildKit v0.20.0-rc1 更新了多个依赖库,包括:
- Azure SDK相关组件升级到最新版本
- containerd相关组件更新
- Docker CLI和引擎更新至27.5.1
- gRPC升级到1.69.4
总结
BuildKit v0.20.0-rc1 是一个功能丰富的预发布版本,特别是在设备支持和缓存机制方面带来了重要改进。CDI设备的支持为需要特殊硬件加速的构建场景开辟了新的可能性,而GitHub Actions缓存的升级则确保了与平台演进的兼容性。
对于生产环境用户,建议等待正式版发布后再进行升级。但对于希望体验新功能的开发者,这个候选版本已经提供了稳定可靠的功能预览。开发团队鼓励用户测试并反馈遇到的问题,以帮助完善即将发布的正式版本。
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