Nginx UI v2.0.0-rc.2 发布:迈向稳定版的重要一步
Nginx UI 是一个基于 Web 的 Nginx 服务器管理界面,它为用户提供了图形化的方式来配置和管理 Nginx 服务器,大大简化了 Nginx 的配置过程。项目目前正在开发第二代版本(v2),v2.0.0-rc.2 是该版本的第二个候选发布版,标志着项目向稳定版迈出了重要一步。
安全认证体系全面升级
本次发布对系统的安全认证体系进行了多项重要改进。最显著的是实现了全新的恢复代码生成和验证系统,这一功能为用户在丢失双因素认证设备时提供了可靠的恢复途径。同时,TOTP(基于时间的一次性密码)注册流程也得到了增强,现在前端可以直接生成二维码,简化了双因素认证的设置过程。
在登录安全方面,v2.0.0-rc.2 实现了加密的登录和安装请求处理,有效防止了敏感信息在传输过程中被窃取。这些安全改进使得 Nginx UI 在管理敏感服务器配置时更加可靠。
国际化与用户体验优化
项目持续关注国际化支持,本次更新特别优化了中文翻译,使中文用户能够获得更准确的使用体验。TOTP 设置界面的 UI 也经过了重构,采用了更现代化的设计风格,提升了用户操作的直观性。
对于开发者而言,项目改进了 DevContainer 配置,提供了更友好的开发体验。同时,CI 工作流程也进行了优化,简化了分支同步过程,提高了开发效率。
稳定性修复与架构改进
v2.0.0-rc.2 修复了多个影响稳定性的问题,包括 WebSocket 代理问题和用户管理模块在某些情况下的崩溃问题。这些修复显著提升了系统的可靠性。
在架构层面,项目引入了新的命令系统架构,为未来的功能扩展打下了基础。同时,构建系统现在支持不嵌入前端文件的构建选项,为不同部署场景提供了更多灵活性。
面向未来的准备
作为候选发布版,v2.0.0-rc.2 的主要目标是收集社区反馈,为即将到来的稳定版做准备。项目团队特别重视用户报告的问题和建议,鼓励用户积极参与测试和反馈。
值得注意的是,从 v2.0.0-beta.36 开始,用户需要明确指定日志存储目录,这一变更增强了安全性,确保只有指定目录中的日志可以被在线查看。同时,配置文件结构也发生了变化,新版本会自动进行迁移,但需要确保 Nginx UI 有修改配置文件的权限。
Nginx UI v2 版本带来了众多新特性,包括节点管理、远程服务器配置部署、多语言支持、改进的证书管理、双因素认证等。这些功能使得 Nginx 服务器的管理更加全面和便捷。
随着 v2.0.0-rc.2 的发布,Nginx UI 距离稳定版又近了一步。项目团队通过持续的改进和优化,致力于为用户提供一个功能强大、安全可靠的 Nginx 管理解决方案。对于正在使用或考虑使用 Nginx UI 的用户来说,这个候选发布版值得关注和测试。
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