Kubermatic v2.27.3版本发布:Kubernetes版本支持与KubeVirt增强
Kubermatic是一个开源的Kubernetes管理平台,它提供了多云和混合云环境下Kubernetes集群的全生命周期管理能力。作为一个企业级的Kubernetes即服务(KaaS)解决方案,Kubermatic简化了大规模Kubernetes集群的部署、运维和管理工作。
新增Kubernetes版本支持
在v2.27.3版本中,Kubermatic扩展了对Kubernetes的支持范围,新增了1.32.3、1.31.7和1.30.11三个Kubernetes版本。这一更新使得用户能够选择更多稳定可靠的Kubernetes版本进行部署,同时也为那些需要特定版本Kubernetes的企业提供了更多选择。
KubeVirt CPU分配增强
本版本引入了一个重要的新特性——KubeVirt虚拟机的CPU分配方式配置。通过新增的enableDedicatedCpus字段,管理员现在可以更灵活地控制KubeVirt虚拟机的CPU资源分配策略:
- 当设置为false时(默认值),系统会使用传统的
spec.template.spec.domain.resources方式配置CPU资源,这种方式通过requests和limits来定义CPU资源 - 当设置为true时,系统会使用
spec.template.spec.domain.cpu方式配置CPU资源,这种方式支持KubeVirt的CPU分配比例特性
这一改进特别适合需要精细控制CPU资源分配比例的场景,为KubeVirt用户提供了更高级的资源管理能力。
镜像同步优化
镜像同步工具mirror-images在本版本中得到了显著改进。新版本实现了非阻塞处理模式,能够并行处理所有镜像,显著提高了同步效率。同时,工具现在会在最后统一报告所有失败的镜像同步操作,而不是在遇到第一个错误时就停止,这大大提升了问题诊断的便利性。
稳定性与安全性增强
在稳定性方面,v2.27.3版本对多个组件进行了更新和优化:
- 将etcd升级到了3.5.17版本,这一更新适用于所有支持的Kubernetes版本,提升了存储层的稳定性和性能
- 更新了Machine Controller到v1.61.1版本,包含了多项机器管理方面的改进
- 升级Operating System Manager到1.6.4版本,增强了操作系统管理能力
- 将默认的Nginx Ingress Controller应用更新到了经过安全修补的v1.12.1版本,提升了入口流量的安全性
节点本地DNS优化
在用户集群中,node-local-dns组件现在默认使用IfNotPresent镜像拉取策略,而不是之前的Always策略。这一改变减少了不必要的镜像拉取操作,降低了网络负载,同时也提高了Pod启动速度,特别是在镜像已经存在的情况下。
总结
Kubermatic v2.27.3版本虽然在版本号上是一个小版本更新,但包含了多项重要的功能增强和稳定性改进。特别是对KubeVirt CPU分配方式的扩展支持,为虚拟化工作负载提供了更精细的资源控制能力。同时,通过组件更新和默认配置优化,进一步提升了平台的稳定性和安全性。对于现有用户来说,这是一个值得升级的版本,特别是那些使用KubeVirt或需要最新Kubernetes版本支持的用户。
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
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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