OpenZiti Ziti 1.6.0版本发布:多通道支持与流控优化
项目简介
OpenZiti是一个开源的零信任网络解决方案,它通过内置的安全模型和智能路由技术,为现代分布式应用提供了安全的网络连接能力。Ziti是OpenZiti的核心组件,负责构建和管理零信任网络的基础架构。
1.6.0版本核心更新
集群对等节点验证机制改进
在1.6.0版本中,集群添加对等节点的流程进行了重要改进。现在,当使用ziti agent cluster add命令添加新节点时,系统会自动验证目标节点的证书有效性,并直接从对等节点获取其广告地址和ID。这一变化确保了只有可访问且有效的节点才能被加入集群,提高了集群的可靠性和安全性。
实验性多通道SDK支持
新版本引入了实验性的多通道支持功能,允许边缘路由器同时维护控制通道和数据通道连接。这种分离的设计可以带来更好的性能和可靠性,同时保持向后兼容性——对于不支持多通道的SDK,系统仍会使用单一连接工作。
实验性SDK流控制机制
1.6.0版本还加入了实验性的流控制功能,允许将流控制逻辑委托给SDK处理。这一特性为高级用户提供了更细粒度的流量管理能力,可以根据应用需求实现定制化的流控制策略。
技术架构优化
组件升级与错误修复
本次更新包含了多个核心组件的升级和错误修复:
-
通道库(channel)升级到v4.0.6,解决了多监听器死锁问题,增加了用户数据获取接口,并支持多通道通知机制。
-
身份库(identity)增加了证书保存检查功能,确保证书和服务器证书能够被正确保存。
-
指标库(metrics)新增了标准输出报告功能,便于开发调试。
-
SDK组件进行了重大升级,解决了连接泄漏和并发访问问题,并集成了新的xgress实现。
安全增强
-
改进了OIDC JWT会话验证机制,现在可以正确处理扩展证书。
-
在OIDC JWT中增加了认证器ID信息,增强了会话追踪能力。
-
支持TLS握手过程中的客户端证书验证,提高了连接安全性。
性能与可维护性改进
-
重构了xgress模块,使其成为可插拔组件,便于SDK集成。
-
封装了xgress指标系统,提高了模块化程度。
-
移除了全局负载处理器和重传器,优化了资源管理。
-
增加了专门的xgress_router包,分离了路由器特定逻辑。
总结
OpenZiti Ziti 1.6.0版本在安全性、可靠性和性能方面都做出了重要改进。特别是多通道支持和流控制功能的引入,为零信任网络的高效运行提供了新的可能性。虽然这些新功能仍处于实验阶段,但它们代表了OpenZiti架构向更灵活、更强大的方向发展的重要一步。对于企业用户来说,这些改进意味着更稳定、更安全的零信任网络基础设施。
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