Radius v0.47.0 发布:新增 ACI 部署支持与网关超时配置
Radius 是一个开源的应用部署与管理平台,它简化了云原生应用的开发和运维流程。通过 Radius,开发者可以专注于应用逻辑,而平台则负责底层基础设施的自动化配置和管理。最新发布的 Radius v0.47.0 版本带来了多项重要功能增强,包括对 Azure 容器实例(ACI)的支持、网关路由超时配置等实用特性。
核心功能更新
1. 增强版本信息显示
Radius CLI 的 rad version 命令现在可以同时显示本地 CLI 版本和集群中运行的控制平面版本。这一改进使得开发者能够更清晰地了解当前使用的工具版本,便于版本管理和问题排查。
2. 网关路由超时配置
新版本在网关资源的 routes 属性中增加了 timeoutPolicy 对象,允许用户为网关路由配置自定义超时设置。这项功能特别适合需要处理长时间运行 HTTP 调用的场景,开发者可以根据应用特性灵活调整超时参数,优化请求处理性能。
3. Azure 容器实例(ACI)支持
v0.47.0 版本最引人注目的特性是新增了对 Azure 容器实例(ACI)的支持。现在开发者可以直接通过 Radius 将应用部署到 ACI 环境中,而无需修改应用定义。Radius 会自动处理所有必要的 Azure 基础设施配置,包括:
- 容器实例的创建与管理
- 网络配置
- 存储挂载
- 安全设置
这一功能大大简化了容器化应用在 Azure 上的部署流程,特别适合需要快速启动和弹性扩展的场景。
技术实现细节
网关超时配置的实现
新引入的 timeoutPolicy 对象支持以下配置项:
- 请求超时:控制整个请求处理的最大时间
- 空闲超时:管理连接保持空闲状态的最长时间
- 重试策略:配置请求失败时的重试行为
这些配置通过底层 Envoy 代理实现,为微服务架构提供了更精细的流量控制能力。
ACI 集成架构
Radius 对 ACI 的集成采用了以下技术方案:
- 环境抽象层:通过统一的环境模型将 ACI 与其他计算环境(如 Kubernetes)抽象化
- 自动资源配置:根据应用需求自动创建和管理 ACI 容器组
- 网络集成:自动配置虚拟网络、子网和安全组规则
- 身份管理:集成 Azure AD 进行服务身份验证
升级指南
由于 Radius 仍处于预览阶段,升级到 v0.47.0 需要完全重新安装控制平面和 CLI 工具。具体步骤如下:
- 删除现有环境
- 卸载旧版控制平面
- 安装新版 CLI
- 安装新版控制平面
总结
Radius v0.47.0 通过引入 ACI 支持和网关超时配置等特性,进一步增强了其作为多云应用管理平台的能力。这些改进使得开发者能够:
- 更灵活地选择部署目标环境
- 更精细地控制应用流量
- 更便捷地管理应用生命周期
对于已经在使用 Radius 的团队,建议评估这些新功能如何优化现有工作流;对于新用户,v0.47.0 提供了更完整的解决方案来简化云原生应用开发。
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