Odigos v1.0.165版本发布:性能优化与新目标平台支持
Odigos是一个开源的分布式追踪系统,它通过自动检测应用程序并提供端到端的可观测性,帮助开发者更好地理解和优化系统性能。最新发布的v1.0.165版本带来了一系列重要的改进和新功能,包括运行时检查逻辑的性能优化、新目标平台支持以及Python代理的更新等。
核心改进与优化
本次版本在运行时检查逻辑方面进行了显著的性能优化。通过重构处理流程,系统现在能够更高效地执行运行时检测任务,减少了资源消耗并提高了整体性能。这对于大规模部署环境尤为重要,能够在不影响应用性能的情况下提供更全面的可观测性数据。
在Python代理方面,版本更新至v1.0.33,带来了更稳定的进程检测能力。新版本改进了对进程虚拟PID(vpid)的处理,确保在多进程环境下也能准确追踪各个子进程的执行情况。这对于使用多进程模型的Python应用特别有价值。
新增目标平台支持
v1.0.165版本扩展了Odigos的兼容性,新增了对多个流行可观测性平台的支持:
-
OpenObserve:一个新兴的开源可观测性平台,现在可以作为Odigos的数据目的地,为用户提供了更多选择。
-
TelemetryHub:这个专业级的可观测性平台现在与Odigos集成,方便用户将数据发送到TelemetryHub进行分析。
-
Checkly:作为专注于API和端到端监控的平台,Checkly的加入使得Odigos能够更好地支持API监控场景。
这些新增的目标平台支持使得Odigos能够适应更多样化的监控需求,满足不同团队的技术栈偏好。
架构与部署改进
在架构层面,v1.0.165版本引入了一些重要变更:
-
SQLite数据库支持:现在UI组件可以使用SQLite作为后端数据库,简化了小型部署的配置要求。
-
环境变量注入优化:改进了发行版环境变量的注入方式,现在可以通过清单文件(manifest)而非代码分支来配置,提高了配置的灵活性和可维护性。
-
OpenShift兼容性增强:针对OpenShift平台优化了安全上下文处理,确保在OpenShift环境中能够正常运行。
开发者体验提升
对于使用Odigos的开发者,这个版本也带来了一些便利性改进:
-
UI组件更新:升级了UI-Kit到0.0.20版本,提供了更流畅的用户界面体验。
-
文档工具更新:文档构建工具mintlify升级到4.0.441版本,确保文档生成的质量和一致性。
-
测试稳定性改进:针对UI端到端测试中的不稳定情况进行了修复,提高了自动化测试的可靠性。
总结
Odigos v1.0.165版本在性能、兼容性和开发者体验方面都做出了重要改进。通过优化运行时检查逻辑、扩展目标平台支持以及改进架构设计,这个版本进一步巩固了Odigos作为现代分布式系统可观测性解决方案的地位。对于正在寻找高效、灵活可观测性工具的团队来说,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
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