Terraform Provider Google v6.18.0 版本发布:新增多项云资源支持与功能优化
Terraform Provider Google 是 HashiCorp 官方维护的 Terraform 插件,用于通过基础设施即代码的方式管理 Google Cloud Platform (GCP) 上的各类资源。最新发布的 v6.18.0 版本带来了多项重要更新,包括新增数据源和资源类型,以及对现有功能的改进和错误修复。
新增数据源与资源支持
本次更新中,最引人注目的是新增了多个数据源和资源类型,进一步扩展了 Terraform 对 GCP 服务的覆盖范围。
在数据源方面,新增了 google_compute_instance_template_iam_policy 用于查询实例模板的 IAM 策略,google_kms_key_handles 用于获取 KMS 密钥句柄信息,以及 google_organizations 用于查询组织信息。这些数据源为基础设施管理提供了更多便利。
资源类型方面新增了多个重要功能:
google_apihub_api_hub_instance资源支持管理 API Hub 实例google_chronicle_retrohunt为 Chronicle 安全产品提供了回溯搜索功能google_colab_runtime及相关 IAM 资源支持管理 Colab 运行时环境google_gemini_code_repository_index和google_gemini_repository_group系列资源正式进入 GA 阶段,为代码仓库管理提供完整支持
现有功能增强
v6.18.0 版本对多个现有资源进行了功能增强:
在数据库服务方面,AlloyDB 集群现在支持通过 skip_await_major_version_upgrade 参数跳过主版本升级等待,简化了版本升级流程。
计算服务方面,google_compute_router_peer 现在支持将 custom_learned_route_priority 设置为 0,解决了之前无法设置为 0 的限制。同时修复了更新时该参数意外被重置为 0 的问题。
网络服务方面,google_compute_public_advertised_prefix 新增了 pdp_scope 字段,google_compute_interconnect_attachment 增加了标签支持,为网络资源管理提供了更多灵活性。
存储服务方面,Filestore 实例现在支持标签功能,便于资源分类和管理。
安全服务方面,Network Security 的安全配置文件和配置组新增了自定义镜像和分析配置选项,增强了安全策略的定制能力。
消息服务方面,Pub/Sub 主题新增了传输中加密和 Azure Event Hubs 数据源支持,扩展了消息服务的集成能力。
重要错误修复
本次版本修复了多个影响用户体验的问题:
在 Apigee 环境管理中,修复了属性字段更新的问题,确保配置变更能够正确应用。
Artifact Registry 仓库解决了永久性差异问题,避免了不必要的配置变更。
计算服务的全局转发规则修复了在使用 PSC 端点时标签设置失败的问题。
容器服务方面,修复了 Autopilot 集群中 DNS 域配置被忽略的问题,以及节点配置中不安全端口设置传播不正确的问题。
IAM 服务改进了服务账号查询的分页支持,确保能够返回完整结果。
元数据存储服务延长了操作超时时间,使服务器返回的错误信息能够正确显示,而不是被 Terraform 超时掩盖。
资源管理方面优化了项目创建时的计费关联检查逻辑,提高了默认网络删除的成功率。
总结
Terraform Provider Google v6.18.0 版本通过新增多项资源支持和数据查询能力,进一步丰富了 GCP 基础设施即代码管理的工具箱。同时,对现有功能的优化和错误修复提升了工具的稳定性和用户体验。这些更新使开发者能够更高效、更可靠地管理 GCP 上的各类云资源,是 GCP 基础设施自动化管理的重要进步。
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