Constellation v2.21.0 版本发布:增强SSH连接与K8s支持
Constellation是一个专注于云原生安全计算的开源项目,它通过可信执行环境(TEE)技术为Kubernetes集群提供硬件级别的安全隔离。该项目由Edgeless Systems团队维护,旨在为企业级应用提供端到端的机密计算解决方案。
核心功能更新
新增SSH安全连接功能
本次发布的v2.21.0版本引入了一个重要的新特性——ssh命令行工具。这个功能允许用户通过SSH协议安全地连接到Constellation集群中的节点。与传统的SSH连接不同,该功能在设计上充分考虑了TEE环境的安全需求,确保连接过程不会破坏节点的安全隔离性。
技术实现上,该命令利用了Constellation现有的认证机制,在建立SSH连接前会验证目标节点的完整性。这种设计特别适合需要直接访问节点进行调试或维护的场景,同时又不希望降低安全级别的用户。
Kubernetes版本支持更新
随着Kubernetes社区的持续发展,Constellation v2.21.0同步更新了对K8s版本的支持:
- 新增对Kubernetes 1.31的支持
- 移除了对Kubernetes 1.28的支持
这一变更反映了项目对上游Kubernetes社区的支持策略,确保用户能够使用最新的稳定版本,同时逐步淘汰不再受社区维护的旧版本。对于企业用户而言,这意味着可以更安全地部署包含最新安全补丁的Kubernetes集群。
关键问题修复
Azure SNP认证修复
本次发布修复了Azure SNP(Secure Nested Paging)认证中的一个关键问题。具体来说,解决了Microsoft Azure Attestation(MAA)服务在处理PCR11时的错误行为。PCR(Platform Configuration Registers)是可信计算中的重要组件,用于记录系统启动和运行时的关键度量值。
该修复确保了在Azure SNP环境下,Constellation能够正确验证节点的完整性证明,这对于依赖Azure机密计算VM的用户至关重要。修复后,用户将能够更可靠地在Azure SNP环境中部署和运行Constellation集群。
技术优化与改进
依赖项更新
开发团队对项目的依赖关系进行了多项优化:
- 更新了go-sev-guest依赖,修复了与badram平台信息相关的问题
- 移除了对google/go-sev-guest分叉的依赖,转而使用上游版本
这些变更简化了项目的依赖树,提高了构建的可靠性,同时也减少了潜在的安全风险。特别是go-sev-guest的更新,增强了项目对AMD SEV(Secure Encrypted Virtualization)技术的支持。
总结
Constellation v2.21.0版本在保持项目核心安全特性的同时,通过新增SSH连接功能提升了运维便利性,并通过Kubernetes版本更新确保了对最新技术的支持。Azure SNP认证的修复则进一步增强了在微软云环境下的可靠性。这些改进共同推动了Constellation作为企业级机密计算解决方案的成熟度。
对于现有用户,建议评估升级到v2.21.0版本,特别是那些在Azure SNP环境中运行集群的用户。新用户则可以从这个版本开始,体验更完善的SSH管理功能和最新的Kubernetes支持。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00