Ejabberd 25.03发布:Matrix网关增强与多密码支持
Ejabberd是一个开源的XMPP即时通讯服务器,以其高性能和可扩展性著称。最新发布的25.03版本带来了多项重要更新,特别是在跨协议通信和安全性方面有显著提升。
Matrix网关支持群组聊天
25.03版本显著增强了Matrix网关功能,现在支持群组聊天功能。通过mod_matrix_gw模块,用户可以直接从XMPP客户端加入Matrix群组。例如,要加入Matrix上的#ejabberd-matrix-bridge:matrix.org房间,只需在XMPP客户端中输入对应的MUC地址即可。
需要注意的是,当前版本仅支持较新的房间协议版本(9-11),且一对一对话在服务器重启后需要重新建立。此外,Matrix群组成员会以XMPP在线状态形式展示,这对客户端处理大量成员的能力提出了要求。
多密码格式存储增强安全性
新版本引入了auth_stored_password_types配置选项,允许同时存储多种密码格式。这一特性特别适合需要逐步升级认证方式的场景,支持包括明文、scram_sha1、scram_sha256和scram_sha512等多种格式。当用户更改密码或客户端通过SASL升级任务提供新格式密码时,服务器会自动更新所有存储的密码格式。
数据库模式更新
25.03版本要求更新SQL数据库模式以支持多密码存储。管理员可以通过update_sql_schema选项自动完成更新,也可以手动执行提供的SQL语句。更新主要涉及在users表中添加type列并调整主键结构。
新增mod_adhoc_api模块
这个新模块允许通过支持XEP-0050和XEP-0030的XMPP客户端执行所有ejabberd API命令。结合api_permissions配置,管理员可以精细控制哪些账户可以执行哪些命令。该功能已在Gajim、Psi等多个客户端上测试通过。
容器镜像优化
Docker镜像现在提供了更一致的路径结构,便于在不同镜像间迁移。默认配置文件中使用了宏定义,允许通过环境变量覆盖主机名、管理员账户和端口等设置。此外,WebAdmin服务现在监听最低端口号(1880),方便容器管理工具直接打开管理界面。
其他重要改进
- Unix域套接字现在支持相对路径
- 修复了XEP-0356特权实体相关的两个重要bug
- mod_muc_occupantid模块现在默认启用
- mod_http_api返回的列表元素现在会按字母顺序排序
- 新增了管理Mnesia表存储的API命令
- 支持Erlang/OTP 20-27版本,推荐使用25-27版本
25.03版本在跨协议通信、安全认证和管理功能等方面都有显著提升,为ejabberd用户提供了更强大和灵活的消息服务解决方案。
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