Coolify v4.0.0-beta.404版本发布:多语言支持与关键修复
Coolify是一个开源的、自托管的云部署和管理平台,它允许开发者在自己的基础设施上轻松部署和管理应用程序、数据库和其他服务。Coolify提供了类似Heroku的体验,但完全由用户自己控制,支持Docker、Kubernetes等多种部署方式。
多语言支持增强
本次发布的v4.0.0-beta.404版本在本地化方面做出了显著改进,新增了对三种语言的支持:
-
阿塞拜疆语:为阿塞拜疆用户提供了本地化界面,同时更新了土耳其语翻译内容,确保两种突厥语系语言都能准确表达技术概念。
-
巴西葡萄牙语:考虑到巴西作为南美最大的技术市场之一,新增了巴西葡萄牙语支持,使巴西开发者能够使用母语操作平台。
-
印度尼西亚语:新增印度尼西亚语翻译,服务东南亚地区快速增长的技术社区。
这些语言支持的添加不仅提高了Coolify的全球可用性,也体现了项目对多元文化开发者社区的重视。
关键问题修复
网络服务重启机制优化
修复了一个严重的网络服务重启问题:当用户通过实例域名重启网络服务时,会导致域名永久不可访问。这是因为在域名上执行重启操作后,网络服务无法自动恢复。新版本通过引入后台任务处理重启流程,确保在域名上执行重启操作后,服务能够在几秒内自动恢复可用性。
邮件系统稳定性提升
解决了多个影响邮件发送的关键问题:
-
修复了当"使用系统范围(事务性)电子邮件设置"被禁用且通知页面未设置其他电子邮件提供商时,所有事务性邮件都无法发送的问题。
-
解决了SMTP用户名和密码为空时(例如在开发环境中)邮件无法发送的问题。
-
修正了测试邮件通知使用错误模板的问题,该问题导致当通知页面未设置电子邮件提供商时,事务性邮件测试通知失败。
部署与数据库改进
-
优雅关闭机制:部署过程中现在使用优雅关闭替代直接的
rm命令,提高了服务终止的安全性。 -
MongoDB自定义配置:新增了对MongoDB服务的自定义配置支持,使开发者能够更灵活地调整数据库参数。
-
Docker登录配置:在安装过程中添加了配置文件路径,确保能够正确使用docker login功能。
用户体验优化
-
实例备份设置可见性:当服务器功能不正常时,自动隐藏实例备份设置,避免用户困惑。
-
复制按钮逻辑:仅在HTTPS环境下显示复制按钮,因为剪贴板API在HTTP环境下无法工作,之前的实现会导致用户困惑。
-
Bugsink服务健康检查:为Bugsink服务添加了健康检查机制,提高了服务可靠性。
总结
Coolify v4.0.0-beta.404版本在多语言支持、核心功能稳定性和用户体验方面都做出了重要改进。特别是网络服务重启机制和邮件系统的修复,解决了影响生产环境稳定性的关键问题。新增的语言支持使Coolify能够服务更广泛的开发者群体,体现了项目对全球化社区的承诺。
对于现有用户,建议尽快升级以获得更稳定的服务体验;对于新用户,这个版本提供了更完善的功能基础和更友好的多语言界面,是开始使用Coolify的良好时机。
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