Pigsty项目PostgreSQL扩展例行更新报告
PostgreSQL作为一款功能强大的开源关系型数据库,其扩展生态系统是其核心竞争力之一。Pigsty项目作为PostgreSQL的发行版与管理平台,始终保持着对主流扩展的及时更新支持。本次更新涵盖了时序数据库、分布式计算、全文检索、向量搜索等多个关键领域的扩展组件。
时序与分布式扩展更新
TimescaleDB作为PostgreSQL上最流行的时序数据库扩展,本次从2.17.2版本升级到了2.18.2版本。新版本在连续聚合、压缩算法和分布式查询方面都有显著改进。Citus分布式扩展从13.0.0升级到13.0.1,修复了多个分布式事务处理的边界问题,提升了大规模集群下的稳定性。
向量搜索与AI能力增强
向量搜索领域迎来多项重要更新:VectorChord从0.1.0升级到0.2.1版本,引入了更高效的近似最近邻搜索算法;vchord扩展同步更新至0.2.1版本,新增了对PostgreSQL 13的支持。pg_vectorize从0.20.0升级到0.21.1,增强了与大型语言模型的集成能力,使开发者能更便捷地构建AI驱动的应用。
数据分析与ETL工具链
数据分析工具链方面,pg_duckdb从0.2.0升级到0.3.1版本,显著提升了与DuckDB的互操作性,使复杂分析查询性能得到优化。pg_bulkload 3.1.22新增了对PostgreSQL 17的支持,为大容量数据加载提供了更高效的选择。pg_store_plan 1.8版本也加入了对PG17的兼容性支持。
全文检索与多语言支持
全文检索领域,pg_search从0.14升级到0.15.2,改进了中文分词的准确性。pgroonga迎来大版本更新,从3.2.5升级到4.0.0,重构了索引存储格式,显著降低了内存占用。zhparser从2.2升级到2.3版本,优化了中文文本处理的性能。
实用工具与框架更新
在实用工具方面,supautils从2.5.0升级到2.6.0,增强了监控指标收集能力;table_version从1.10.3升级到1.11.0,改进了数据版本控制的可靠性。pg_graphql从1.5.9升级到1.5.11,修复了多个GraphQL接口的安全问题。
新扩展支持
本次更新还引入了多个新扩展:pg_mooncake 0.1.2提供了新颖的数据加密方案;pg_duration 1.0.2为时间间隔处理提供了更丰富的函数支持;pgsql_tweaks 0.11.0收集了一系列实用的数据库调优技巧和工具函数。
这些扩展的更新和新增,使Pigsty项目能够为开发者提供更强大、更稳定的PostgreSQL使用体验,覆盖了从传统OLTP到时序数据、从全文检索到向量搜索、从单机部署到分布式集群的各类应用场景。
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