Medplum医疗平台v3.2.31版本发布:增强订阅管理与安全特性
Medplum是一个开源的医疗健康数据平台,基于FHIR标准构建,为开发者提供了构建医疗应用程序所需的核心功能。该平台支持电子健康记录(EHR)、患者管理、临床决策支持等医疗场景,同时注重数据安全与互操作性。
订阅管理与Redis优化
本次发布的v3.2.31版本在订阅管理方面进行了多项改进。系统现在会记录订阅缓存未命中的情况,这有助于开发人员监控订阅系统的性能表现。针对Redis的使用,新版本优化了WebSocket订阅键集的清理机制,并调整了清理阈值,这些改进将提升系统在处理大量订阅时的稳定性和效率。
安全与认证增强
在安全方面,v3.2.31引入了几个重要改进。现在管理员可以配置访问令牌的生命周期,这为不同安全要求的场景提供了更灵活的认证策略。用户信息端点现在会返回用户邮箱,完善了OAuth2用户信息响应。此外,系统增加了对更细粒度scope选择的支持,允许应用程序请求更精确的权限范围。
开发者体验与工具链
对于开发者而言,新版本修复了Bundle-composition搜索功能的问题,并优化了创建Medplum项目的指导说明。在脚本执行环境方面,VM上下文沙箱增加了更多全局变量支持,为开发者提供了更丰富的执行环境。
临床工作流改进
在临床功能方面,v3.2.31版本支持在就诊图表中应用新的计划定义(PlanDefinition),这为临床决策支持提供了更好的工具。同时新增了患者入院问卷功能,丰富了数据采集能力。任务状态面板的加入则为医护人员提供了更直观的任务管理界面。
性能监控与日志
性能监控方面,新版本增加了对昂贵令牌过滤器的详细日志记录,并包含了项目ID在新的令牌日志中。这些改进将帮助管理员更好地理解系统性能瓶颈和资源使用情况。同时移除了多余的缓存日志,使日志输出更加清晰。
文档与用户界面
文档方面新增了关于Medplum资源与FHIR资源区别的说明,帮助用户更好理解平台特性。用户界面方面,关于页面新增了团队成员卡片,提升了项目的透明度。
总体而言,Medplum v3.2.31版本在订阅管理、安全认证、开发者工具和临床功能等方面都做出了有价值的改进,进一步巩固了其作为开源医疗平台的技术基础。这些更新既考虑了系统性能和安全性的提升,也关注了开发者和最终用户的使用体验。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00