Docker v28.1.0 版本深度解析:新特性与优化详解
Docker 是一个开源的容器化平台,它允许开发者将应用程序及其依赖打包成轻量级、可移植的容器,从而实现快速部署和跨环境一致性运行。Docker 通过容器技术解决了"在我机器上能运行"的问题,极大地简化了开发、测试和部署流程。
核心新特性
Docker Bake 子命令
v28.1.0 版本引入了一个重要的新命令 docker bake,作为 docker buildx bake 的别名。这个命令简化了多阶段构建流程,让开发者能够更高效地管理复杂的构建配置。Bake 功能特别适合需要同时构建多个镜像或针对不同平台构建的场景,它通过声明式的方式定义构建流程,显著提升了构建效率。
实验性 API 套接字共享
本次更新带来了一个实验性功能:通过 --use-api-socket 标志,容器可以直接访问宿主机的 Docker 套接字。这项功能不仅允许容器内执行 Docker 命令,还能共享宿主机的凭证信息。虽然目前处于实验阶段,但它为开发更复杂的容器编排工具和 CI/CD 流水线提供了新的可能性。需要注意的是,出于安全考虑,生产环境中应谨慎使用此功能。
多平台镜像支持增强
docker image inspect 命令新增了 --platform 标志,允许用户检查多平台镜像中特定平台的配置信息。这一改进对于处理多架构镜像(如同时支持 amd64 和 arm64 的镜像)的开发者特别有价值,能够更精确地获取目标平台的镜像详情。
重要优化与修复
容器网络改进
网络子系统在本版本中获得了多项重要修复:
- 修复了 Swarm 容器主机端口映射在
docker ps和docker inspect中重复显示的问题 - 解决了容器网络连接失败时出现的"Bridge port not forwarding"错误
- 改进了默认桥接网络中
--link参数的移除机制 - 优化了网络端点关系跟踪机制,减少了误报"has active endpoints"错误的情况
镜像管理增强
镜像处理方面有几个值得注意的改进:
docker load现在能正确保留被替换的镜像- 修复了与私有仓库交互时
docker pull/push失败的问题 - 针对 containerd 镜像存储后端,优化了远程仓库错误处理机制
- 现在可以显示非层类型镜像blob的拉取进度
性能优化
- 修复了
docker stats在高CPU核心数机器上运行异常的问题 - 改进了 rootless Docker 在缺少
ip_tables内核模块的主机上的安装体验 - 优化了 iptables 规则管理,防止在 firewalld 重载后出现不必要的规则残留
开发者工具更新
CLI 改进
命令行界面有多项用户体验提升:
- 新增了上下文名称的 shell 补全功能
- 改进了
docker service scale命令的补全体验 docker images --tree现在默认隐藏未标记和悬空镜像docker system info现在会在无法连接 Docker 守护进程时提供明确的退出码
API 变更
API 版本升级至 v1.49,主要变化包括:
/image/{name}/json端点新增platform参数,支持查询多平台镜像的特定变体/info端点现在返回防火墙后端配置信息- 移除了多个已弃用字段,包括
AllowNondistributableArtifactsCIDRs和AllowNondistributableArtifactsHostnames
生态系统更新
组件版本升级
- BuildKit 更新至 v0.21.0,带来构建性能改进和新特性
- Compose 升级到 v2.35.0,增强了编排能力
- Go 运行时更新至 1.23.8,包含安全修复和性能优化
平台支持扩展
新增了对多个新操作系统版本的支持:
- Debian "Trixie"
- Fedora 42
- Ubuntu 25.04 "Plucky Puffin"
总结
Docker v28.1.0 是一个功能丰富的中期版本,在多平台镜像支持、网络稳定性和开发者体验方面都有显著提升。实验性的 API 套接字共享功能为高级用例开辟了新途径,而大量的错误修复和性能优化则进一步巩固了 Docker 作为容器化平台领导者的地位。对于开发者而言,新引入的 docker bake 命令将简化复杂构建流程,而增强的多平台支持则让跨架构开发更加顺畅。
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-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-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