AWS SDK for .NET 4.0.29.0版本发布:增强云服务集成能力
AWS SDK for .NET是亚马逊云服务官方提供的.NET开发工具包,它让.NET开发者能够轻松地在应用程序中集成和使用各种AWS云服务。本次发布的4.0.29.0版本带来了多项重要更新,增强了多个AWS服务的功能集成,包括AppSync、CostExplorer、CustomerProfiles等服务的改进。
核心服务更新
AppSync缓存加密改进
在AppSync服务中,本次更新对API缓存创建接口进行了重要调整。CreateApiCache操作中的atRestEncryptionEnabled和transitEncryptionEnabled属性已被弃用。这一变更意味着对于新创建的缓存,加密功能将默认始终启用,开发者无需再显式设置这些加密选项。这一改进简化了开发者的配置工作,同时确保了数据安全的最佳实践。
CostExplorer双栈端点支持
CostExplorer服务现在支持双栈端点,这意味着开发者可以通过IPv4或IPv6网络协议访问CostExplorer API。这一更新为网络环境提供了更大的灵活性,特别是在需要IPv6支持的场景下,开发者现在可以无缝地使用CostExplorer服务进行成本分析和优化。
CustomerProfiles功能增强
CustomerProfiles服务引入了Profile Explorer功能,这是一个重要的分析工具增强。新版本改进了计算属性的处理方式,现在能够使用正确的摄入时间戳和历史数据进行计算。此外,还新增了针对电信和医疗(T&H)行业的标准对象支持,这些改进使得CustomerProfiles服务能够更好地服务于特定行业的客户数据分析需求。
基础设施服务更新
EC2支持Elastic VMware Service
EC2服务本次更新增加了对Elastic VMware Service(EVS)子网和网络接口类型的支持。这一增强使得在AWS上运行VMware工作负载更加灵活和高效,开发者现在可以更精细地控制VMware环境的网络配置。
EFS IPv6支持
Elastic File System(EFS)服务现在全面支持IPv6协议。这一更新涵盖了EFS服务API和挂载目标,为现代网络环境提供了更好的兼容性。开发者现在可以在纯IPv6或双栈网络环境中使用EFS服务,满足日益增长的IPv6部署需求。
其他服务改进
MarketplaceCatalog服务增强了ListEntities API的功能,现在支持对机器学习产品使用EntityID、LastModifiedDate、ProductTitle和Visibility过滤器,并可以使用所有这些字段进行排序。这一改进使得开发者能够更灵活地查询和筛选市场中的机器学习产品。
WorkSpacesThinClient服务在UpdateEnvironment API中新增了ConflictException异常处理,提供了更好的错误处理机制,帮助开发者更优雅地处理环境更新冲突情况。
总结
AWS SDK for .NET 4.0.29.0版本通过多项功能增强和新增支持,进一步提升了开发者在云服务集成方面的体验。从数据安全默认配置的简化,到IPv6支持的扩展,再到特定行业功能的增强,这些更新都体现了AWS对开发者需求的深入理解和持续改进的承诺。对于正在使用或计划使用这些AWS服务的.NET开发者来说,升级到最新版本将能够利用这些新功能来构建更强大、更安全的云应用程序。
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