ZDNS v2.0.0 重大版本更新:核心重构与功能增强
ZDNS 是一款高性能的 DNS 解析工具,由 ZMap 团队开发,主要用于大规模 DNS 查询和分析。在 v2.0.0 版本中,项目进行了重大架构调整和功能增强,使其在灵活性、功能完备性和安全性方面都有了显著提升。
核心架构重构
本次更新的最大变化是将 ZDNS 拆分为核心库和 CLI 包装器两部分。这种架构调整带来了几个重要优势:
-
库化设计:现在其他 Go 工具可以直接调用 ZDNS 的核心功能,无需通过 CLI 接口和解析输出结果。这为开发者提供了更大的灵活性,可以轻松将 DNS 解析功能集成到自己的应用中。
-
模块化:核心功能的解耦使得项目结构更加清晰,便于维护和扩展。开发者可以根据需要选择使用完整的 CLI 工具或只调用特定的解析功能。
-
性能优化:通过减少 CLI 相关的开销,直接调用库可以获得更好的性能表现。
新增协议支持
v2.0.0 版本增加了对现代 DNS 协议的支持:
-
DNS over HTTPS (DoH):通过 HTTPS 协议进行 DNS 查询,提供更好的隐私保护和防篡改能力。
-
DNS over TLS (DoT):使用 TLS 加密的 DNS 查询,防止中间人攻击和监听。
这些新增协议使得 ZDNS 能够适应现代互联网环境对隐私和安全的需求,特别是在受限网络环境下仍能进行可靠的 DNS 解析。
查询功能增强
新版本对查询功能进行了多项改进:
-
完整名称服务器支持:通过
--all-nameservers选项,现在可以查询每个迭代步骤中的所有名称服务器,提供更全面的解析结果。 -
自动 CNAME/DNAME 跟踪:默认情况下,所有查询都会自动跟踪 CNAME 和 DNAME 记录,简化了配置过程,确保获取最终解析结果。
-
DNSSEC 验证:新增
--validate-dnssec选项支持完整的 DNSSEC 验证流程,可以确认 DNS 记录的完整性和真实性。
其他改进
除了上述主要变化外,v2.0.0 版本还包括:
-
性能优化:通过内部重构和算法改进,提高了查询处理效率。
-
测试增强:增加了更全面的测试覆盖,确保功能的可靠性。
-
错误修复:解决了多个已知问题,提升了工具的稳定性。
-
文档完善:更新了使用说明和开发文档,帮助用户更好地理解和使用新功能。
总结
ZDNS v2.0.0 是一个重要的里程碑版本,通过架构重构使其更加灵活和强大。新增的现代 DNS 协议支持和查询功能增强使其能够满足更广泛的使用场景,特别是在安全性和隐私保护方面有了显著提升。这些改进使得 ZDNS 在大规模 DNS 解析和分析领域继续保持领先地位,为研究人员和开发者提供了更强大的工具。
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