RKE2 v1.33.0版本发布:Kubernetes 1.33.0正式支持
RKE2是Rancher推出的一个轻量级Kubernetes发行版,专为生产环境设计,具有安全、合规和易管理等特性。它结合了Kubernetes的强大功能和Rancher在容器管理领域的丰富经验,为用户提供了一个开箱即用的Kubernetes解决方案。
核心升级
本次发布的RKE2 v1.33.0版本最重要的变化是将Kubernetes核心升级到了v1.33.0。Kubernetes 1.33.0是上游社区的最新稳定版本,带来了多项改进和新特性。同时,项目也将Go语言版本升级到了v1.24.2,以获取更好的性能和安全性。
在API Server方面,本次更新移除了部分已被上游废弃的kube-apiserver标志,这些变更有助于保持与上游Kubernetes的一致性,并简化配置管理。
安全注意事项
RKE2在安全方面做了特别设计。如果服务器节点启动时没有显式指定--token参数或配置文件中的token值,系统会在首次集群启动时自动生成一个随机token。这个token有两个关键作用:
- 用于新节点加入集群的认证
- 用于加密存储在数据存储中的集群引导数据
管理员需要特别注意保存这个token值,因为在从备份恢复集群时需要使用它。可以通过以下命令在任何已加入集群的服务器节点上查看当前token值。
组件版本更新
本次发布包含了多个核心组件的版本更新:
- 容器运行时:Containerd升级到v2.0.4-k3s2,Runc升级到v1.2.5
- 网络组件:Flannel v0.26.6,Calico v3.29.3,Cilium v1.17.3
- 核心服务:CoreDNS v1.12.1,Metrics Server v0.7.2
- Ingress控制器:基于Nginx的Ingress控制器v1.12.1-hardened3
多架构支持
RKE2继续提供对多种架构的支持,包括:
- Linux amd64
- Linux arm64
- Windows amd64(支持1809和LTSC2022版本)
对于每种架构,项目都提供了完整的镜像包和二进制文件,方便用户在不同环境中部署。
容器镜像管理
RKE2采用了模块化的镜像分发策略,将不同功能的容器镜像分组打包:
- 核心组件镜像(rke2-images-core)
- 网络插件镜像(Canal/Calico/Cilium)
- 特殊环境支持镜像(Harvester/vSphere)
- Windows支持镜像
这种设计允许用户根据实际需求选择下载所需的镜像组,减少不必要的带宽消耗和存储占用。
部署建议
对于生产环境部署,建议:
- 提前规划好token管理策略,确保安全存储
- 根据网络需求选择合适的CNI插件
- 对于Windows节点,选择匹配的Windows Server版本镜像
- 在升级前,先在小规模测试环境中验证兼容性
RKE2 v1.33.0版本通过集成最新的Kubernetes功能和组件更新,为用户提供了更稳定、更安全的容器编排平台,是企业级Kubernetes部署的可靠选择。
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