AllinSSL v1.0.3 版本发布:证书管理与部署功能全面升级
AllinSSL 是一个专注于 SSL/TLS 证书全生命周期管理的开源工具,它简化了证书申请、部署和管理的复杂流程。最新发布的 v1.0.3 版本带来了多项重要改进,特别是在证书颁发机构选择、部署选项扩展和用户体验优化方面。
证书申请流程优化
本次更新对证书申请流程进行了多项改进。首先调整了证书颁发机构/授权选项的顺序,使操作流程更加符合用户习惯。新增了对 ZeroSSL 和 Google 等 CA 机构的选择支持,并引入了证书算法配置选项,用户现在可以根据安全需求选择不同的加密算法。
特别值得一提的是,修复了 CA 强制邮箱关联的问题,使得证书申请过程更加灵活。同时新增了 HTTP 代理支持,为特殊网络环境下的证书申请提供了解决方案。
部署功能增强
在部署功能方面,v1.0.3 版本新增了对七牛云 OSS、七牛云 CDN、百度 CDN、腾讯 WAF、腾讯 EdgeOne 和阿里云 WAF 的支持,大大扩展了部署场景。对于部分云服务提供商,现在可以直接从网站列表中选择部署目标,简化了操作流程。
针对 SSH 部署,修复了不支持 IPv6 的问题,提升了部署的兼容性。同时优化了宝塔网站列表的显示方式,使部署选择更加直观。
系统架构改进
在系统架构层面,本次更新优化了部署流程代码,减少了冗余,提高了新部署类型添加的效率。修复了数据库连接内存泄漏问题,提升了系统稳定性。对于 Docker 镜像,调整了时区设置,确保容器内时间显示正确。
用户体验提升
在用户体验方面,修复了多个界面交互问题,包括部署网站选择的初始值和重置问题、主机提供商显示值变化时的关联内容提示问题等。新增了 API 接口测试功能,方便用户验证供应商 API 的连通性。
对于证书管理,新增了 EAB 列表功能和自定义 CA 授权管理,为用户提供了更全面的证书控制能力。同时调整了证书信息的显示方式,使关键信息更加突出。
AllinSSL v1.0.3 版本通过这些改进,进一步巩固了其作为一站式 SSL 证书管理解决方案的地位,无论是个人开发者还是企业运维团队,都能从中获得更加流畅、高效的证书管理体验。
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