Higress v2.1.0 版本发布:全面增强的云原生网关能力
Higress 作为阿里巴巴开源的云原生网关项目,基于 Istio 和 Envoy 构建,为微服务架构提供了高性能、可扩展的流量管理解决方案。最新发布的 v2.1.0 版本带来了多项重要功能增强和优化,特别是在 AI 能力集成、插件系统扩展和性能优化方面有显著提升。
核心功能增强
AI 能力深度整合
v2.1.0 版本显著增强了 Higress 的 AI 能力支持,主要体现在以下几个方面:
-
多模型支持扩展:新增了对 Ollama 和 HuggingFace 等模型的支持,使开发者可以更灵活地选择适合自己场景的 AI 模型。
-
AI 缓存优化:改进了 AI 缓存机制,支持更多类型的嵌入模型,包括 Azure OpenAI 和 XFyun 等,有效提高了 AI 推理的性能和效率。
-
搜索功能增强:新增了 AI 搜索插件,支持与 Quark 等搜索引擎的集成,并提供了更精细的搜索参数控制能力。
插件系统升级
Higress 的插件系统在本版本中得到了全面增强:
-
Golang 过滤器支持:新增了 Golang 编写的过滤器插件,为开发者提供了更灵活的扩展能力。
-
多凭证认证:Key Auth 插件现在支持配置多个凭证,满足了更复杂的认证场景需求。
-
速率限制可视化:AI Token 速率限制插件新增了监控指标,方便运维人员实时掌握系统状态。
架构优化与性能提升
-
配置管理改进:引入了 MCP (Management Control Plane) 服务器架构,支持通过 Nacos 等多种方式管理配置,提高了系统的可扩展性。
-
Redis 集成:作为可选组件加入 Helm 包,为需要状态管理的插件提供了更好的支持。
-
性能优化:对 WASM 插件系统、请求处理流水线等多个关键路径进行了优化,提高了整体吞吐量。
稳定性与可靠性增强
-
故障转移机制:改进了 AI 代理的故障转移逻辑,能够更智能地区分不同端点的状态。
-
重试策略优化:支持基于 HTTP 状态码的重试策略,提高了系统对临时性故障的容错能力。
-
缓冲区管理:新增了缓冲区限制功能,防止异常流量导致的内存问题。
开发者体验改进
-
SDK 增强:插件 SDK 得到了多项改进,包括更好的日志支持和更完善的开发工具。
-
多架构镜像:支持构建和推送多架构容器镜像,方便在不同硬件平台上部署。
-
配置简化:多项配置参数进行了优化,减少了部署时的复杂度。
Higress v2.1.0 的这些改进使其在云原生 API 网关领域继续保持领先地位,特别是在 AI 能力集成方面走在了行业前列。对于正在构建智能微服务架构的团队来说,这个版本提供了更强大、更灵活的基础设施支持。
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