Odigos v1.0.153版本发布:增强可观测性与稳定性
Odigos是一个开源的分布式追踪和可观测性平台,它通过自动检测应用程序来收集遥测数据,帮助开发者更好地理解和监控分布式系统的运行状态。最新发布的v1.0.153版本带来了一系列改进和新功能,进一步提升了平台的稳定性和可用性。
核心功能增强
本次版本更新中,最值得关注的是新增了对IBM Instana和Kafka作为目标存储的支持。IBM Instana是一款应用性能监控(APM)解决方案,能够提供实时的应用监控和问题诊断能力。而Kafka作为分布式消息队列系统,其高吞吐量和可扩展性使其成为处理大量遥测数据的理想选择。这些新增的目标存储选项为用户提供了更多样化的数据分析和存储方案。
稳定性改进
在稳定性方面,开发团队做出了多项重要改进:
-
Instrumentor就绪探针:新增了instrumentor组件的就绪探针(Readiness Probe),确保组件完全初始化并准备好接收请求后才开始处理流量,避免了启动阶段的潜在问题。
-
eBPF检测实例管理:优化了eBPF(扩展伯克利包过滤器)检测实例的生命周期管理,确保在odiglet组件关闭时能够正确清理相关资源,防止资源泄漏。
-
挂载点验证:增强了挂载点检查机制,确保挂载操作以正确的值执行,提高了配置的可靠性。
诊断能力提升
为了帮助开发者更有效地诊断问题,新版本改进了测试失败时的日志输出:
- 在端到端测试失败时,现在会打印Tempo(分布式追踪后端)中的所有追踪数据,为问题排查提供更全面的上下文信息。
文档完善
本次更新还包含了对文档的补充和完善:
- 新增了关于Source详情页面的文档,帮助用户更好地理解和使用数据源配置功能。
架构优化
在系统架构层面,开发团队进行了以下优化:
-
CLI更新机制:改进了命令行工具的远程更新机制,现在使用POST请求来获取更新,提高了安全性和可靠性。
-
Kubernetes Source列表:在kubectl Source列表中新增了disabled列,使用户能够更直观地查看和管理被禁用的数据源。
总结
Odigos v1.0.153版本通过新增目标存储支持、增强系统稳定性、改进诊断能力和完善文档,进一步提升了平台的整体质量和用户体验。这些改进使得Odigos在分布式系统可观测性领域的能力更加全面,为开发者提供了更强大的工具来监控和理解复杂系统的运行状态。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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