AWS SDK Rust 2025年6月发布:新增控制目录功能与安全增强
AWS SDK Rust项目是亚马逊云服务官方提供的Rust语言SDK,它让开发者能够用Rust语言直接调用AWS的各种云服务。本次2025年6月11日的发布带来了多项重要更新,特别是在控制目录管理和安全防护方面有显著增强。
控制目录服务新增关键功能
本次发布中,控制目录服务(aws-sdk-controlcatalog)升级至1.57.0版本,引入了多项实用功能:
-
控制映射列表API:新增的ListControlMappings接口让开发者能够轻松检索控制映射关系,这对于需要管理大量云资源的团队特别有用。
-
增强的控制信息查询:GetControl和ListControls API现在可以返回控制别名和治理资源字段,提供了更丰富的控制项元数据。
-
精细化过滤功能:ListControls API新增了基于实现标识符和实现类型的过滤能力,使开发者能够更精确地定位需要的控制项。
这些改进使得云资源治理更加灵活和高效,特别适合需要精细控制云环境的企业级应用场景。
EKS服务安全增强
Amazon EKS服务(aws-sdk-eks)升级至1.93.0版本,带来了两项重要安全特性:
-
Pod身份跨账户功能:这一特性允许Pod在不同AWS账户间安全地使用身份凭证,简化了跨账户资源访问的管理。
-
会话标签禁用标志:新增的disableSessionTags参数提供了更细粒度的会话控制选项,增强了安全性。
其他服务更新亮点
-
Lex对话模型服务:新增了Assisted NLU功能,显著提升了聊天机器人的自然语言理解能力。
-
网络管理器服务:现在支持通过Cloud WAN管理的VPC进行公共DNS主机名到私有IP地址的解析,以及跨VPC的安全组引用。
-
WAF服务:提供了两种新的DDoS防护选项,包括针对应用负载均衡器的资源级监控和针对CloudFront分发的AWSManagedRulesAntiDDoSRuleSet托管规则组。
文档改进
RDS服务文档更新了关于Db2跨区域副本在备用模式下运行的说明,为使用这一特性的开发者提供了更清晰的指导。
开发者体验优化
本次发布还包含了多个SDK底层组件的更新,包括:
- 改进了错误处理和重试机制
- 优化了API调用的性能
- 增强了类型安全性
- 提供了更详细的文档注释
这些改进虽然不直接体现在功能上,但对于长期维护大型云应用的开发者来说,能够显著提升开发效率和代码质量。
总结
AWS SDK Rust的这次发布继续强化了其在云服务治理和安全方面的能力,特别是控制目录服务的增强为企业级云环境管理提供了更强大的工具。同时,EKS和WAF的安全更新也体现了AWS对云原生安全性的持续关注。对于使用Rust开发云应用的团队来说,升级到最新版本将能够利用这些新特性构建更安全、更易管理的云解决方案。
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