OpenZiti Ziti 1.5.0版本发布:网络边缘智能平台的重要更新
OpenZiti是一个开源的零信任网络平台,它通过内置的安全性和智能路由功能,为现代分布式应用提供安全连接解决方案。Ziti作为OpenZiti的核心组件,实现了零信任网络架构的关键功能。最新发布的1.5.0版本带来了一系列重要改进和功能增强。
路由终端文件格式标准化
在1.5.0版本中,路由终端配置文件的默认命名规范进行了调整。原先使用简单的"endpoints"作为文件名,现在更改为"endpoints.yml"以明确表明这是一个YAML格式的配置文件。这一变化体现了项目对配置管理规范化的重视。对于现有使用beta版高可用性(HA)代码的环境,可以通过在配置中显式指定路径来保持兼容性。
集群配置默认值优化
新版本对集群相关的两个关键参数进行了优化调整:
-
快照阈值(snapshotThreshold):从8192降低到500,这意味着系统会更频繁地创建状态快照,提高了系统恢复时的效率。
-
追踪日志数量(trailingLogs):从10240减少到500,这个参数控制保留的旧日志条目数量,用于同步对等节点而不是发送完整快照。
这些调整基于实际运行经验,在系统稳定性和性能之间取得了更好的平衡。
终端选择算法改进
Ziti在1.5.0版本中改进了终端选择时的成本计算机制。当服务拨号失败时,系统会为该终端增加失败成本,从而在后续选择时倾向于其他可用终端。新版本将固定每分钟5个信用值的恢复机制改为基于时间的指数增长模型:
min(10, 2 ^ (X/5))
其中X代表自上次失败以来的分钟数。这种算法能更智能地处理终端恢复,避免过于激进或保守的终端选择策略。
路由指标监控增强
1.5.0版本新增了四个关键指标,为网络流量控制提供了更深入的可见性:
- 本地窗口阻塞率:记录因本地窗口满导致的阻塞情况
- 远程窗口阻塞率:记录因远程接收缓冲区满导致的阻塞
- 阻塞时间:跟踪终端处于阻塞状态的总时长
- 边缘数据队列处理时间:监控边缘路由处理入站数据负载的时间
这些指标帮助运维人员更准确地诊断网络性能瓶颈。其中边缘数据队列指标默认关闭,可通过配置启用。
配置项更新
新增了两个路由指标相关配置:
- 事件队列大小:控制使用事件队列的容量,默认256,防止指标收集影响正常数据传输
- 启用数据延迟指标:布尔值,控制是否收集边缘数据队列处理时间指标
其他改进与修复
1.5.0版本还包括多项组件更新和问题修复,涉及身份在线状态处理、恢复操作稳定性、CLI布局选择机制等多个方面。特别值得注意的是:
- 增强了外部JWT签名验证功能
- 修复了控制器在线状态显示问题
- 改进了
ziti router run --extend命令的功能 - 优化了API客户端注册操作
这些改进共同提升了平台的稳定性、安全性和易用性,使OpenZiti Ziti能够更好地满足企业级零信任网络的需求。
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