Docker 28.2.0-rc.2 版本技术解析:容器平台的重要更新
Docker 作为业界领先的容器化平台,持续推动着容器技术的发展。最新发布的 28.2.0-rc.2 版本带来了多项功能增强和问题修复,进一步提升了开发者和运维人员的使用体验。本文将深入解析这一版本的技术亮点和重要变更。
核心功能增强
本次更新最引人注目的是 Windows 平台对 BuildKit 的初步支持。BuildKit 作为 Docker 新一代构建引擎,相比传统构建方式具有显著的性能优势。现在 Windows 用户可以通过设置 DOCKER_BUILDKIT=1 环境变量来启用这一功能,这将为 Windows 容器开发带来更快的构建速度和更高效的缓存机制。
另一个实用改进是 docker ps 命令新增了 {{.Platform}} 格式化选项。这一功能使得开发者能够直接查看容器运行镜像的平台信息,对于多架构镜像环境下的调试和验证特别有用。
文件系统挂载方面,现在支持在绑定挂载源路径中使用相对父路径(../)。这一改进使得容器挂载配置更加灵活,特别是在复杂目录结构中操作时能显著提升便利性。
问题修复与稳定性提升
在安全认证方面,修复了 docker swarm init 命令忽略 --external-ca 选项中 cacert 参数的问题,确保了集群初始化时外部 CA 证书的正确加载。同时,CLI 工具现在能正确处理配置文件(~/.docker/config.json)为相对符号链接的情况,避免了配置保存失败的问题。
组件更新与兼容性调整
本次版本对多个核心组件进行了升级,包括将 BuildKit 更新至 v0.22.0 版本,Buildx 升级到 v0.24.0,以及 Compose 更新至 v2.36.1。这些更新带来了性能改进和新功能支持。
值得注意的是,随着 Ubuntu 20.04 "Focal" 达到生命周期终点,Docker 已停止提供该版本的软件包支持。同时,RPM 包中的 man 页面安装位置问题得到了修正,提升了文档的可访问性。
废弃功能与未来方向
版本中移除了一些过时功能,包括不再支持拉取传统的 v2 schema 1 镜像格式,以及移除了 docker search 命令中已废弃的 IsAutomated 格式化占位符。这些变更反映了 Docker 对现代化标准的坚持。
Go SDK 方面,多个与 Swarm 相关的类型已被标记为废弃,并迁移到 api/types/swarm 包中。同时,errdefs.FromStatusCode 也被标记为废弃,推荐使用 containerd 的 errhttp.ToNative 替代。这些调整旨在保持代码库的整洁和一致性。
总结
Docker 28.2.0-rc.2 版本在功能完善和稳定性提升方面做出了重要贡献,特别是 Windows 平台 BuildKit 支持的引入将为开发者带来显著的效率提升。随着过时功能的逐步移除和新特性的不断加入,Docker 平台正朝着更加现代化和高效的方向发展。建议用户关注这些变更,及时调整相关的工作流程和配置。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
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