Spice.ai v1.1.2 版本发布:性能优化与Tableau集成
Spice.ai 是一个开源的数据与AI基础设施平台,旨在简化数据访问、处理和分析的流程。它提供了统一的数据连接器、高性能查询引擎以及自然语言查询能力,让开发者能够更高效地构建数据驱动的应用。
性能优化与功能增强
本次发布的v1.1.2版本带来了多项重要改进,特别是在数据连接器性能和查询功能方面。
Delta Lake连接器性能提升
Delta Lake数据连接器进行了显著优化,通过升级delta_kernel至v0.9版本并改进扫描操作,在大数据集上的查询执行时间减少了高达20%。这一改进对于处理PB级数据的企业用户尤为重要,能够显著降低计算资源消耗和查询延迟。
Snowflake连接器宽表支持
修复了Snowflake数据连接器在处理宽表(超过600列)时的问题。现在用户可以无缝连接和分析包含大量字段的Snowflake表,这在金融和电商领域的数据分析场景中尤为实用。
查询元数据增强
新版本引入了两种新的Accept头格式,为SQL和自然语言查询(NSQL)提供了更丰富的元数据返回:
- 对于SQL端点(/v1/sql),支持application/vnd.spiceai.sql.v1+json格式
- 对于NSQL端点(/v1/nsql),支持application/vnd.spiceai.nsql.v1+json格式
这些格式的响应不仅包含查询结果,还包括执行的实际SQL语句、结果模式(schema)以及行数统计。这对于调试、审计和构建上层应用提供了极大便利。
Tableau集成正式发布
v1.1.2版本配套发布了Tableau Connector for Spice.ai的初始版本(v0.1),这是一个完全开源的项目。通过这个连接器,用户可以:
- 直接连接本地部署的Spice.ai实例或Spice Cloud服务
- 在Tableau中可视化Spice.ai查询结果
- 利用Tableau的强大分析功能处理Spice.ai数据
这一集成使得商业智能团队能够无缝地将Spice.ai的强大查询能力与Tableau的丰富可视化功能结合起来。
技术实现细节
在底层实现上,本次更新有几个值得注意的技术点:
- Delta Kernel升级带来的谓词下推优化,使得过滤条件能够在数据扫描阶段更早应用
- 查询元数据功能通过扩展Arrow Flight协议实现,保持了高效的数据传输
- 宽表支持通过改进Snowflake模式推断算法实现
升级建议
对于现有用户,建议通过以下方式升级:
- 使用CLI工具运行spice upgrade命令
- Homebrew用户执行brew upgrade spiceai/spiceai/spice
- Docker用户拉取spiceai/spiceai:1.1.2镜像
新用户可以直接从发布页面下载对应平台的二进制包开始使用。
总结
Spice.ai v1.1.2通过性能优化、功能增强和生态集成,进一步巩固了其作为现代数据基础设施的地位。特别是Tableau连接器的发布,标志着Spice.ai开始构建完整的数据分析生态系统。对于需要处理复杂数据场景的团队,这个版本值得考虑升级。
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
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
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
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