Terraform AWS GitHub Runner v0.28.0版本发布:支持临时运行器与Graviton实例
Terraform AWS GitHub Runner是一个开源项目,它通过Terraform在AWS上部署和管理GitHub Actions的自托管运行器。该项目简化了在AWS基础设施上运行GitHub Actions工作流的过程,提供了自动扩展、多平台支持等企业级功能。
最新发布的v0.28.0版本带来了几项重要改进,包括对临时运行器的支持、创建Fleet API替代Run Instance API、Graviton实例支持等。这些更新显著提升了运行器的灵活性、资源利用率和成本效益。
临时运行器支持
v0.28.0版本引入了临时运行器(ephemeral runners)功能。临时运行器是指那些在执行完任务后会自动销毁的运行器实例,而不是保持运行状态等待下一个任务。这种模式特别适合以下场景:
- 安全性要求高的环境:每次任务都在全新的环境中执行,避免了潜在的环境污染
- 成本敏感型工作负载:只在需要时创建资源,任务完成后立即释放
- 一致性要求高的构建:每次构建都在干净的环境中开始,确保构建结果的一致性
实现这一功能需要对运行器的生命周期管理进行重构,确保任务完成后能够正确清理资源。项目团队还解决了与此功能相关的多个问题,确保了功能的稳定性和可靠性。
默认运行器位置变更
新版本将运行器的默认安装位置从原来的路径修改为/opt目录。这一变更主要基于以下考虑:
/opt是Linux系统中专门用于安装附加应用程序的标准目录- 遵循了Linux文件系统层次结构标准(FHS)
- 减少了与系统其他组件的潜在冲突
同时,项目团队还修复了Ubuntu示例中的相关问题,使新用户能够更顺利地部署和运行。
创建Fleet API替代Run Instance API
v0.28.0版本用更现代的Create Fleet API替代了原有的Run Instance API。这一技术升级带来了多方面优势:
- 批量操作能力:可以一次性请求多个实例,提高了大规模部署的效率
- 更灵活的实例配置:支持混合实例策略,可以指定多种实例类型和购买选项
- 更好的错误处理:提供了更详细的错误信息和重试机制
这一变更需要更新IAM权限策略,确保运行器服务具有调用新API所需的权限。项目文档已经相应更新,指导用户完成这一过渡。
Graviton实例支持
新版本增加了对t4g Graviton实例类型的支持。Graviton是AWS基于ARM架构的自研处理器,具有以下特点:
- 性价比优势:相比同级别的x86实例,通常能提供更好的性价比
- 能效比高:ARM架构在功耗方面有先天优势
- 生态逐渐成熟:越来越多的软件开始原生支持ARM架构
这一支持使得用户可以在GitHub Actions运行器上利用Graviton实例,进一步优化运行成本。项目团队确保了运行器软件栈在ARM架构上的兼容性,包括必要的二进制文件和依赖项。
Windows AMI配置改进
v0.28.0版本还包含了对Windows AMI配置的修复。这一改进确保了:
- Windows运行器能够正确识别和使用系统资源
- 必要的系统服务和组件能够正常启动
- 与GitHub Actions系统的集成更加稳定
这些修复主要涉及Windows系统特定的配置项和初始化脚本,使Windows运行器的部署更加可靠。
总结
Terraform AWS GitHub Runner v0.28.0版本通过引入临时运行器、升级实例创建API、支持Graviton架构等多项改进,进一步提升了项目的成熟度和实用性。这些更新不仅扩展了功能集,还优化了资源利用率和成本效益,使项目更适合各种规模的企业部署。
对于现有用户,升级到v0.28.0版本需要注意IAM权限策略的更新,特别是从Run Instance API到Create Fleet API的转变。新用户可以受益于更完善的文档和示例,特别是Ubuntu和Windows运行器的配置部分。
随着GitHub Actions在企业中的普及,Terraform AWS GitHub Runner项目将继续演进,提供更强大、更灵活的自托管运行器解决方案。
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