Higress 2.0.7发布:AI代理与认证增强的云原生网关升级
项目概述
Higress是阿里巴巴开源的云原生API网关,基于Envoy构建,专为Kubernetes和Service Mesh环境设计。它提供了丰富的流量管理、安全防护和可观测性能力,是企业级微服务架构中的关键基础设施组件。最新发布的2.0.7版本在AI代理功能和认证机制方面进行了重要增强。
核心功能增强
1. AI代理功能全面升级
2.0.7版本对AI代理功能进行了多项重要改进:
-
多平台API密钥支持:新增了对百度API密钥的支持,扩展了AI服务集成的范围。开发者现在可以更灵活地对接不同AI服务提供商。
-
Dify平台兼容性:实现了与Dify平台的深度集成,包括使用情况相关信息的完善返回机制。这使得Higress能够更好地服务于AI应用开发平台。
-
路径透传机制:当API名称未知时,AI代理现在支持路径透传功能,提高了与各种AI服务的兼容性。
-
OpenAI兼容性增强:支持completions API,并允许通过openaiCustomUrl配置自定义OpenAI基础URL,为开发者提供了更大的灵活性。
2. 认证与授权机制优化
认证插件在这一版本中获得了显著改进:
-
黑白名单支持:ext-auth插件新增了对认证黑白名单的支持,使安全团队能够更精细地控制访问权限。
-
路径拼接修复:修复了Envoy认证模式下的路径拼接问题,确保了认证请求的正确路由。
-
性能优化:对ext-auth插件的body buffer限制进行了优化,提高了处理大请求体时的性能表现。
3. 稳定性与兼容性提升
-
流式响应缓冲问题修复:解决了AI代理中的流式响应缓冲问题,确保了长连接场景下的稳定性。
-
WASI目标更新:将构建目标从wasm32-wasi更新为wasm32-wasip1,保持与WebAssembly生态的最新进展同步。
-
前端灰度路由修复:修正了host重写在前端灰度场景下的问题,确保了流量路由的准确性。
开发者体验改进
-
测试覆盖增强:新增了ext-auth插件的单元测试,并对AI代理功能进行了基于LLM模拟服务器的端到端测试,提高了代码质量。
-
文档同步:及时更新了AI令牌限流相关文档,确保开发者能够获取最新的使用指南。
-
基础认证优化:移除了basic-auth插件中无用的注解,简化了配置。
技术实现亮点
在底层实现上,2.0.7版本展现了几个值得注意的技术特点:
-
模块化设计:通过插件体系将AI代理、认证等能力解耦,使得各功能可以独立演进和扩展。
-
性能考量:在处理流式响应和大请求体时,特别关注了内存管理和缓冲策略,避免性能瓶颈。
-
标准兼容:在支持多种AI服务API时,既保持了与标准协议的兼容性,又提供了灵活的扩展点。
适用场景
Higress 2.0.7特别适合以下场景:
-
AI服务网关:需要集中管理多个AI服务API的企业,可以利用增强的AI代理功能实现统一接入和管控。
-
严格安全要求的应用:新增的黑白名单功能和认证优化,使其成为金融、公共服务等对安全有高要求场景的理想选择。
-
混合云部署:支持自定义OpenAI基础URL等特性,便于在混合云环境中部署AI服务。
总结
Higress 2.0.7通过增强AI代理能力和完善认证机制,进一步巩固了其作为云原生API网关的领先地位。这些改进不仅提升了产品的功能性,也显著改善了开发者和运维人员的使用体验。对于正在构建现代化微服务架构,特别是涉及AI服务集成的团队来说,这一版本提供了更强大、更可靠的基础设施支持。
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