AWS SDK for Java v2 2.31.24版本发布:新增多项云服务功能支持
AWS SDK for Java v2是亚马逊云服务官方提供的Java开发工具包,它让Java开发者能够便捷地调用各种AWS云服务API。本次发布的2.31.24版本带来了多项重要更新,特别是在IoT FleetWise、Bedrock、Connect Service等服务上增加了新功能,同时优化了现有服务的参数验证和配置选项。
核心服务更新
AWS IoT FleetWise增强参数验证
在物联网车辆数据采集服务IoT FleetWise中,新版本对信号目录(signal catalog)、模型清单(model manifest)和解码器清单(decoder manifest)等API进行了更严格的参数验证。这种强化验证能够帮助开发者在早期就发现配置错误,避免因参数问题导致的数据采集异常,特别适合对数据准确性要求高的车联网应用场景。
Amazon Bedrock支持自定义评估指标
生成式AI服务Bedrock的评估功能现在支持自定义指标。这意味着企业可以根据自身业务需求定义独特的评估标准,而不仅限于预设指标。例如,电商企业可以针对产品描述生成质量定义转化率相关的评估指标,使AI模型的评估更贴合实际业务价值。
Amazon Connect新增SLA规则配置
客户服务中心Connect Service在Contact Lens规则API中新增了两项重要能力:
- 增加了'ASSIGN_SLA'操作,支持在案例创建和更新事件中使用'$.Case.TemplateId'比较值
- 新增'OnSlaBreach'案例事件源,支持'$.RelatedItem.SlaConfiguration.Name'比较值
这些增强使得企业能够基于更丰富的条件自动分配服务级别协议(SLA),并在SLA违规时触发相应操作,有助于提升客户服务质量和响应效率。
基础设施服务改进
ECS新增默认日志驱动配置
ECS容器服务新增了AccountSetting级别的defaultLogDriverMode配置选项。这一改动允许管理员在账户级别统一设置容器的默认日志驱动,简化了容器日志管理的配置工作,特别适合需要统一日志收集策略的大型部署环境。
MemoryDB支持IPv6和双栈网络
内存数据库服务MemoryDB现在为Valkey和Redis集群提供了IPv6和双栈网络支持。用户可以在创建新集群时启用这些网络功能,这既满足了现代应用对IPv6的需求,也为网络架构提供了更大的灵活性,同时保持了与原有IPv4环境的兼容性。
数据分析与监控增强
Amazon Omics工作流版本控制
基因组学服务Omics新增了工作流版本控制功能。这一特性使得生命科学团队能够更好地管理生物信息学分析管道的不同版本,方便追踪分析方法的迭代过程,也便于在必要时回滚到之前的分析版本。
Amazon Prometheus工作区配置API
监控服务Prometheus新增了工作区配置API。这些API让用户能够以编程方式管理Prometheus工作区的各种配置,实现了监控环境的自动化部署和管理,特别适合需要管理多个监控工作区的大型企业环境。
总结
AWS SDK for Java v2 2.31.24版本通过多项功能增强,进一步提升了开发者在物联网、人工智能、客户服务、容器化部署等领域的开发效率。特别是参数验证的加强和配置选项的丰富,体现了AWS对开发者体验的持续关注。这些更新不仅提供了更多功能选择,也通过更严格的验证机制帮助开发者构建更健壮的云应用。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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