Odigos项目v1.0.166版本发布:增强云原生可观测性能力
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追踪数据并将其发送到各种监控后端。该项目通过简化可观测性数据的收集和传输过程,帮助开发团队更轻松地实现应用程序性能监控。
在最新发布的v1.0.166版本中,Odigos团队带来了多项重要更新,主要集中在目标数据源的扩展和核心功能的优化上。这些改进进一步增强了Odigos作为云原生可观测性解决方案的能力。
新增目标数据源支持
本次版本最显著的变化是增加了对多个云服务提供商和监控平台的支持:
-
AWS EMF目标:新增了对Amazon CloudWatch嵌入式指标格式(EMF)的支持。这使得用户可以直接将指标数据发送到CloudWatch Metrics,便于在AWS生态系统中统一监控。
-
阿里云目标:增加了对阿里云监控服务的支持,为使用阿里云基础设施的用户提供了更好的集成体验。
-
Seq目标:新增了对Seq日志管理系统的支持。Seq是一个专注于.NET生态系统的结构化日志服务器,这一新增使得.NET开发者可以更方便地将应用日志与Odigos集成。
-
Checkly目标:Checkly是一个现代监控平台,主要用于API和E2E监控。新增的Checkly目标支持使得用户可以将应用性能数据直接发送到Checkly平台进行分析。
Java环境变量优化
在Java应用程序的自动检测方面,v1.0.166版本进行了重要优化:
- 当存在多个配置选项时,现在只会设置一个环境变量,而不是多个。这减少了环境变量的数量,简化了配置管理。
- 这一改进特别有利于Kubernetes环境中的Java应用部署,使得配置更加简洁和易于维护。
核心功能改进
除了新增功能外,本次发布还包含了一些核心功能的优化:
- 改进了数据过滤机制,确保所有数据都经过适当的过滤处理,提高了数据质量和安全性。
- 更新了前端依赖项,包括升级gqlgen到0.17.70版本,提升了GraphQL API的稳定性和性能。
- 文档系统更新至mintlify 4.0.454,改善了文档的可读性和维护性。
多平台CLI支持
Odigos继续提供跨平台的命令行工具支持,v1.0.166版本为以下平台提供了预编译的CLI二进制文件:
- macOS (amd64和arm64架构)
- Linux (amd64和arm64架构)
- Windows (amd64和arm64架构)
这些二进制文件都提供了校验和文件(checksums.txt),方便用户验证下载的完整性。
Helm Chart更新
对于Kubernetes用户,本次发布同步更新了Helm Chart(1.0.166版本),简化了在K8s集群中部署和升级Odigos的流程。
总的来说,Odigos v1.0.166版本通过扩展目标数据源支持和优化核心功能,进一步巩固了其作为云原生可观测性解决方案的地位。特别是对AWS、阿里云等主流云平台的支持,使得Odigos能够更好地服务于不同云环境中的用户需求。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00