AgensGraph v2.15.0 版本发布:PostgreSQL 15兼容与Cypher查询增强
AgensGraph 是一个基于 PostgreSQL 的开源图数据库,它结合了关系型数据库的强大功能和图数据库的灵活性。作为 PostgreSQL 的扩展,AgensGraph 允许用户在同一个数据库中同时处理关系型数据和图数据,支持标准的 SQL 和 Cypher 查询语言。最新发布的 AgensGraph v2.15.0 版本带来了多项重要更新,包括与 PostgreSQL 15.12 的兼容性、Cypher 查询功能的增强以及多项性能改进。
PostgreSQL 15.12 兼容性升级
AgensGraph v2.15.0 的一个重要改进是与 PostgreSQL 15 系列的最新版本 15.12 保持同步。这一升级意味着 AgensGraph 现在包含了 PostgreSQL 15 的所有最新功能和安全性补丁。对于企业用户来说,这种同步确保了数据库系统的稳定性和安全性,同时也能享受到 PostgreSQL 社区的最新创新成果。
特别值得注意的是,新版本引入了行和列级别的逻辑复制过滤功能。这一特性为数据库管理员提供了更精细的控制能力,可以只复制特定的行或列数据,这在数据分发和同步场景中特别有用。此外,COPY 命令现在支持 MERGE 和 CONCURRENT 操作,大大提高了数据加载的灵活性和性能。
Cypher 查询功能增强
AgensGraph v2.15.0 对 Cypher 查询语言的支持有了显著提升。新增的 CREATE TABLE AS 语法允许用户直接将 Cypher 查询结果转换为关系表,这一功能弥合了图数据和关系数据之间的鸿沟,使得数据集成更加无缝。
另一个实用功能是新增的 graph_exists() 函数,开发人员现在可以轻松检查特定图是否存在。对于变量重用问题,新版本修复了之前版本中变量不能跨子句重用的限制,使得查询编写更加灵活。MERGE 语句现在能够自动创建标签,简化了图数据的构建过程。
CTE(Common Table Expressions)现在可以与 Cypher 查询结合使用,这一改进使得复杂图查询可以模块化编写,提高了查询的可读性和维护性。PSQL 客户端也获得了针对图查询的自动补全功能,提升了开发效率。
性能优化与错误修复
在性能方面,AgensGraph v2.15.0 引入了针对边节点的 start_id() 和 end_id() 函数,这些函数可以快速获取边的起始和结束节点信息,优化了图遍历操作。
错误修复方面,新版本解决了多个关键问题,包括 MATCH 查询中非存在标签返回 NULL 的问题、使用下划线作为变量名时的冲突问题,以及聚合函数在某些情况下的错误结果问题。这些修复显著提高了系统的稳定性和查询结果的准确性。
构建与平台支持
AgensGraph v2.15.0 对构建系统进行了优化,解决了使用 --with-llvm 配置选项时的构建问题。在平台支持方面,项目移除了对 CentOS 的支持,转而增加了对 Rocky Linux 的支持,反映了当前企业 Linux 生态系统的变化趋势。
总结
AgensGraph v2.15.0 是一个功能丰富且稳定的版本,它不仅保持了与最新 PostgreSQL 版本的同步,还显著增强了图数据库特有的功能。对于需要在同一系统中处理关系数据和图数据的应用场景,AgensGraph 提供了一个强大而灵活的解决方案。新版本的改进特别适合那些需要复杂图分析、数据集成和高性能查询的企业应用。
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-1.5暂无简介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
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