MeshCentral 1.1.39版本发布:远程管理工具的重大更新
MeshCentral是一个开源的远程管理和监控工具,它允许IT管理员通过网页界面远程控制和管理计算机设备。该工具支持多种功能,包括远程桌面、文件传输、终端访问、设备监控等,适用于企业IT管理和技术支持场景。
核心功能改进
远程桌面体验优化
本次更新对远程桌面功能进行了多项改进。首先修复了WebRTC视图模式的问题,确保只读模式能够正常工作。同时解决了Windows终端播放器的问题,提升了远程终端的使用体验。对于RDP会话,更新修复了远程桌面同意机制,使远程连接更加顺畅。
安全与认证增强
在安全方面,1.1.39版本引入了logoutOnIdleSessionTimeout支持,可以在会话超时后自动注销用户,增强系统安全性。对于Azure OIDC集成,现在可以返回超过100个用户组,解决了大规模企业部署时的限制问题。SAML认证也得到了改进,现在允许在POST请求中使用relaystate参数。
监控与日志功能
监控系统升级
监控功能新增了收集器支持,可以更全面地跟踪系统状态。同时修复了仪表盘显示中的计量单位错误,确保监控数据的准确性。对于活跃用户,现在可以显示锁定状态,便于管理员了解系统使用情况。
日志记录改进
日志记录方面修复了代理日志转储的配置评估问题,确保日志能够正确生成。同时改进了中继日志的IP地址排序,使日志分析更加方便。会话记录的IP地址显示问题也得到了修正。
用户界面与体验
界面现代化
本次更新引入了经典与现代UI风格的切换功能,用户可以根据个人偏好选择界面风格。同时修复了多种语言环境下的翻译问题,包括法语和荷兰语的更新。对于选择框选项的翻译问题也进行了修正。
实用功能增强
在实用功能方面,更新了自动备份机制,提高了数据安全性。控制台信息命令得到了扩展,提供更详细的系统信息。MAC地址查询服务从dnslytics.com迁移到了maclookup.app,提供更可靠的硬件信息查询。
技术细节优化
性能与稳定性
修复了视图块大小过大的问题,解决了由此导致的像素化显示问题。移除了Web中继的CSP限制,解决了应用程序加载问题。对于NeDBv4数据库,增加了字段名转义处理,确保数据存储的可靠性。
配置与部署
配置模式验证得到了加强,增加了额外的参数检查。修复了配置模式编辑器的问题,使配置更加直观。对于无用户情况下的自动接受连接功能进行了优化,提升了无人值守设备的可管理性。
总结
MeshCentral 1.1.39版本带来了全面的功能改进和问题修复,特别是在远程桌面体验、安全认证、监控日志和用户界面等方面都有显著提升。这些改进使得这款远程管理工具更加稳定、安全且易于使用,适合各种规模的企业IT管理需求。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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