RKE2 v1.29.13版本发布:Kubernetes发行版的重要更新
RKE2(Rancher Kubernetes Engine 2)是Rancher团队开发的一个经过CNCF认证的Kubernetes发行版,专为生产环境设计,具有轻量级、安全性和易用性等特点。它结合了Kubernetes的强大功能和Rancher的简化管理体验,特别适合需要企业级Kubernetes解决方案的用户。
核心组件升级
本次发布的v1.29.13+rke2r1版本将Kubernetes核心升级到了v1.29.13,这是Kubernetes 1.29系列的最新稳定版本。作为Kubernetes发行版,RKE2始终紧跟上游社区的稳定版本,确保用户能够获得最新的功能和安全修复。
在容器运行时方面,该版本包含了Containerd v1.7.23-k3s2和Runc v1.2.4的组合。这两个组件是容器生态系统的核心,它们的稳定性和安全性直接关系到整个Kubernetes集群的运行质量。值得注意的是,这个版本的Containerd是经过RKE2团队特别定制的版本,针对Kubernetes环境进行了优化。
网络插件增强
网络是Kubernetes集群的关键组件,RKE2提供了多种CNI(容器网络接口)插件选项:
- Canal(默认选项):结合了Flannel v0.26.3的简单性和Calico v3.29.1的策略能力,并且是FIPS兼容的
- 纯Calico:版本v3.29.1,适合需要高级网络策略的用户
- Cilium:升级到v1.16.5,为需要eBPF高性能网络的用户提供了选择
- Multus:v4.1.4版本,支持多网络接口的复杂场景
特别值得一提的是,本次更新中对Calico和Canal插件进行了优化,改进了IPv6环境下的IP自动检测功能,这对于纯IPv6部署场景的用户来说是一个重要改进。
存储与云提供商集成
在存储方面,该版本包含了多个重要更新:
- Harvester CSI Driver升级到v0.1.22
- Harvester Cloud Provider升级到v0.2.9
- vSphere CSI驱动保持v3.3.1-rancher700版本
- vSphere CPI升级到v1.9.100
这些更新显著提升了在各类云环境和本地虚拟化平台上的存储管理能力,特别是对于使用Harvester或vSphere作为底层基础设施的用户。
安全与运维改进
安全始终是RKE2的重点关注领域。本次发布中,Ingress-Nginx组件升级到了v1.12.0-hardened2版本,这是一个经过强化安全配置的特别版本。Metrics Server也更新到了v0.7.2,提供了更完善的集群监控指标。
运维方面新增了一个重要功能:运行时类(Runtime Classes)的钩子和运行时图表。这使得用户能够更灵活地配置和管理不同的容器运行时,对于需要混合使用不同运行时的场景特别有用。
重要注意事项
对于集群管理员来说,需要特别注意令牌管理:如果服务器节点启动时没有显式指定令牌,RKE2会在初始集群启动时生成一个随机令牌。这个令牌不仅用于新节点加入集群,还用于加密存储在数据存储中的集群引导数据。管理员应妥善保管这个令牌,特别是在进行集群恢复操作时会需要它。
可以通过以下命令从已加入集群的任何服务器节点上检索令牌值:
cat /var/lib/rancher/rke2/server/token
总结
RKE2 v1.29.13+rke2r1版本在Kubernetes核心、网络组件、存储集成和安全性方面都带来了重要更新。作为一款面向生产环境的Kubernetes发行版,RKE2通过持续的组件更新和优化,为用户提供了更稳定、更安全的容器编排平台。无论是新功能的引入还是现有组件的增强,都体现了RKE2团队对产品质量和用户体验的重视。
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-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