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。
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