Google Cloud Foundation Fabric v37.2.0版本发布:多云宇宙支持与关键功能增强
Google Cloud Foundation Fabric(简称CFF)是Google官方提供的一套基础设施即代码(IaC)解决方案,它基于Terraform构建,旨在帮助用户快速部署和管理Google Cloud上的基础设施。该项目提供了大量模块和蓝图,覆盖了计算、网络、安全、数据分析等多个领域,极大地简化了GCP环境的管理工作。
多云宇宙支持能力增强
v37.2.0版本在项目创建方面做出了重要改进,新增了对不同云宇宙(universe)中项目创建的支持。云宇宙是Google Cloud中的一个重要概念,它代表了不同的域名空间,例如googleapis.com(默认宇宙)和googleapis-alt.com(替代宇宙)。这一改进意味着:
-
用户现在可以在非默认宇宙中创建和管理项目,这对于需要隔离环境或特定合规要求的场景特别有用。
-
新增了
exclude_services参数,允许在跨宇宙项目中排除特定服务。这一功能解决了在多宇宙环境中某些服务可能不可用或不兼容的问题。 -
项目创建逻辑现在能够智能处理不同宇宙中的资源和服务依赖关系,确保部署的可靠性。
计算引擎功能增强
在计算引擎方面,v37.2.0版本引入了多项重要改进:
-
高级机器特性支持:compute-vm模块现在支持配置高级机器特性,如启用嵌套虚拟化、调整线程调度策略等。这些特性对于高性能计算、虚拟化环境等场景至关重要。
-
虚拟机调度依赖关系修复:修复了虚拟机调度功能中的依赖关系问题,确保资源按正确顺序创建和销毁,提高了自动化管理的可靠性。
数据目录与标签管理优化
数据目录标签模板模块进行了重构,改进包括:
-
更清晰的模块接口设计,使标签模板的创建和管理更加直观。
-
增强的错误处理和验证机制,减少了配置错误导致的问题。
-
性能优化,特别是在处理大量标签模板时响应更快。
安全与合规性改进
在安全方面,v37.2.0版本带来了多项增强:
-
组织策略工厂上下文支持:组织策略工厂现在支持添加上下文信息,使得策略管理更加透明和可追溯。
-
KMS测试修复:修复了密钥管理服务(KMS)的端到端测试问题,确保加密相关功能的可靠性。
-
负载均衡器功能请求实现:解决了多个关于负载均衡器的功能请求,包括更灵活的配置选项和增强的安全特性。
监控与可观测性增强
针对GKE集群的监控能力得到了提升:
-
cAdvisor指标支持:现在可以为Autopilot和标准GKE集群启用cAdvisor指标收集,提供更详细的容器资源使用情况监控数据。
-
监控配置更加灵活,允许用户根据需要选择收集的指标类型和频率。
文档与用户体验改进
除了功能增强外,v37.2.0版本还包含多项文档和使用体验的改进:
-
更清晰的引导文档,特别是关于0-bootstrap.auto.tfvars文件的创建和输出位置说明。
-
添加了关于升级过程中使用n-stagename/moved/文件的注意事项,帮助用户更安全地进行环境升级。
-
弃用了composer-2蓝图,引导用户使用更新、更稳定的替代方案。
总结
Google Cloud Foundation Fabric v37.2.0版本在多云宇宙支持、计算能力、安全合规和监控等方面都带来了显著改进。这些变化不仅增强了平台的功能性,也提高了用户体验和部署的可靠性。对于正在使用或考虑使用GCP的企业来说,这个版本提供了更强大的基础设施管理能力,特别是在多云和复杂合规要求的场景下。
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