Google Cloud Asset 3.30.0版本发布:新增资源搜索增强功能
Google Cloud Asset是Google Cloud平台提供的一项服务,主要用于管理和分析云环境中的各种资源。它能够帮助用户跟踪、监控和分析云资产,包括虚拟机实例、存储桶、网络资源等,为云环境的安全性和合规性提供支持。
新增功能亮点
资源搜索结果的增强功能
本次3.30.0版本最显著的改进是在资源搜索结果中新增了enrichments字段。这个增强功能为.google.cloud.asset.v1.ResourceSearchResult消息类型添加了新的维度,使得搜索结果能够包含更丰富的上下文信息。
新增消息类型
为了支持上述增强功能,本次更新引入了三个新的消息类型:
-
AssetEnrichment:这是一个全新的消息类型,专门用于描述资产的增强信息。它可以包含各种类型的补充数据,为资产提供更全面的描述。 -
ResourceOwners:这个新消息类型专门用于表示资源的所有权信息。在大型组织中,明确资源所有权对于治理和合规性至关重要。 -
在
MethodType枚举中新增了两个值:GOVERN_TAGS:用于标识与标签治理相关的操作类型REMOVE_GRANT:用于标识权限移除操作
文档改进
除了功能增强外,本次更新还对多个字段的注释进行了优化和澄清:
-
澄清了
.google.cloud.asset.v1.EffectiveTagDetails消息中attached_resource字段的描述,使其更准确地反映该字段的用途。 -
对
.google.cloud.asset.v1.AnalyzeOrgPoliciesResponse消息中的两个关键字段进行了注释更新:consolidated_policy:现在有更清晰的说明policy_bundle:描述更加准确
-
类似地,在
.google.cloud.asset.v1.AnalyzeOrgPolicyGovernedAssetsResponse和.google.cloud.asset.v1.AnalyzeOrgPolicyGovernedContainersResponse消息中,policy_bundle字段的注释也得到了改进。 -
对
.google.cloud.asset.v1.AnalyzeIamPolicyResponse消息中的service_account_impersonation_analysis字段注释进行了优化,使其更易于理解。
技术意义与应用场景
这些更新对于使用Google Cloud Asset服务的开发者和管理员具有重要意义:
-
增强的搜索能力:新增的
enrichments字段使搜索结果更加丰富,可以帮助用户更快地找到和理解相关资源。 -
更好的治理支持:新增的
GOVERN_TAGS方法类型和ResourceOwners消息类型为资源治理提供了更好的支持,特别是在大型企业环境中。 -
更清晰的文档:改进的字段注释减少了使用API时的歧义,提高了开发效率。
这些改进特别适合以下场景:
- 需要精细管理云资源的大型企业
- 对云环境有严格合规性要求的组织
- 需要深入分析资源使用情况和权限结构的团队
总结
Google Cloud Asset 3.30.0版本通过引入资源搜索增强功能和新消息类型,显著提升了服务的功能和可用性。同时,文档的改进也使得API更加易于理解和使用。这些更新进一步巩固了Google Cloud Asset作为云资源管理和分析工具的地位,为用户提供了更强大的能力来管理和理解他们的云环境。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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