tun2socks v2.6.0版本发布:功能增强与架构优化
tun2socks是一个基于Go语言开发的高性能网络隧道工具,它能够将TUN设备接收到的网络流量通过SOCKS5、加密代理等协议进行转发。该项目在v2.6.0版本中进行了多项重要更新,包括功能增强、性能优化和架构重构。
核心功能更新
多播支持与文件描述符偏移
新版本引入了对多播流量的支持,这使得tun2socks能够处理IP多播数据包,为需要多播通信的应用场景提供了更好的支持。同时,针对iOS平台和基于文件描述符的TUN设备,增加了文件描述符偏移设置功能,这为特定平台下的网络配置提供了更大的灵活性。
Windows平台增强
Windows用户现在可以通过GUID选项实现Wintun设备的持久化配置,这一改进使得网络接口在系统重启后能够保持稳定,减少了重复配置的工作量。此外,对于需要精确控制网络缓冲区的场景,修复了发送缓冲区大小设置的问题。
代理协议扩展
v2.6.0版本在代理协议支持方面做了重要扩展:
- 新增了对gost中继协议的支持
- SOCKS5代理现在支持抽象命名空间的Unix套接字
- 允许在加密代理中使用显式的none加密模式
- 优化了SOCKS5认证时的内存占用
架构优化与代码改进
网络地址处理重构
项目团队对网络地址处理进行了大规模重构,用更现代的netip.Addr替代了传统的net.IP类型。这一改变不仅提高了内存使用效率,还简化了地址处理逻辑,使代码更加健壮。
日志系统升级
日志系统从标准库迁移到了go.uber.org/zap,这一专业的日志库提供了更丰富的日志功能和更好的性能,特别是在高并发场景下表现更为出色。
缓冲池优化
缓冲池实现进行了两项重要改进:
- 使用泛型重新实现了缓冲池,提高了类型安全性
- 将缓冲池实现移至internal包,更好地遵循了Go项目的组织结构原则
跨平台支持
v2.6.0版本继续强化了跨平台支持能力,新增了对LoongArch64架构的编译支持,并修复了在多种BSD变体上的兼容性问题。同时,项目现在提供了针对不同CPU架构(包括amd64-v3等新指令集)的优化版本。
开发者体验改进
项目团队对持续集成流程进行了优化,增加了并发构建组,提高了自动化测试和发布的效率。代码质量方面,修复了多处潜在问题,包括互斥锁未释放、连接关闭处理不当等情况。
总结
tun2socks v2.6.0版本通过引入新功能、优化架构和提升稳定性,进一步巩固了其作为高性能网络隧道工具的地位。特别是对现代网络协议的支持和底层架构的改进,使其更适合在复杂的网络环境中部署使用。项目团队对代码质量的持续关注也确保了工具的可靠性和长期可维护性。
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