Odigos v1.0.185版本发布:增强运行时检测与动态目的地支持
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运行时环境,并生成相应的遥测数据。最新发布的v1.0.185版本带来了一系列功能增强和问题修复,进一步提升了平台的稳定性和可用性。
运行时检测能力增强
本次版本对运行时检测功能进行了显著改进。Odigos现在能够更准确地识别应用程序的运行环境,这对于自动生成遥测数据至关重要。改进后的检测机制能够处理更复杂的运行场景,为后续的数据收集和分析打下坚实基础。
PHP代理升级
PHP代理组件已升级至v0.1.18版本。这一更新为PHP应用程序提供了更好的可观测性支持,包括更全面的指标收集和更稳定的性能表现。对于使用PHP构建的服务,这一升级将显著提升监控数据的质量和可靠性。
Quartz任务调度监控优化
针对使用Quartz任务调度框架的应用,新版本优化了跨度(span)命名策略,降低了潜在的高基数问题。这一改进使得监控数据更加规范化,有助于提升查询效率和分析准确性。
Helm图表改进
在Kubernetes部署方面,Helm图表进行了多项优化:
- 移除了mountMethod参数的默认值,允许通过profile更灵活地覆盖配置
- 为清理作业添加了必要的源权限
- 为Greatwal集群设置了正确的Kubernetes节点日志目录
这些改进使得在Kubernetes环境中部署和管理Odigos更加灵活和可靠。
OpenShift支持增强
针对OpenShift环境的支持也得到了加强,当OpenShift设置失败时,系统会正确退出并报告错误,这有助于快速识别和解决部署问题。
OTLP/HTTP传输层安全
新版本为OTLP/HTTP协议添加了TLS支持,增强了数据传输的安全性。这对于生产环境中敏感监控数据的传输尤为重要。
动态目的地支持
用户界面新增了动态目的地功能,使得配置数据输出目标更加灵活和直观。这一改进简化了将监控数据路由到不同后端系统的配置过程。
测试与质量保证
团队对端到端测试进行了优化:
- 移除了多应用测试用例
- 修复了前端源指标名称问题
- 将夜间多应用测试替换为源测试
这些变更提升了测试的针对性和有效性,有助于保证发布质量。
内部改进
在内部实现方面,新版本为FastAPI跨度设置了子类别,使得内部监控更加细致。此外,还优化了发布工作流,添加了依赖同步机器人的PR检查机制。
总体而言,Odigos v1.0.185版本在功能、稳定性和用户体验方面都有显著提升,特别是对运行时环境的检测能力和动态目的地的支持,为构建更可靠的可观测性系统提供了坚实基础。
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