Kubermatic v2.26.6版本发布:关键安全更新与稳定性增强
Kubermatic是一个开源的Kubernetes管理平台,它简化了多云和混合云环境中Kubernetes集群的部署、管理和运维工作。通过提供直观的用户界面和强大的自动化功能,Kubermatic使企业能够轻松地在各种基础设施上运行生产级的Kubernetes集群。
重要变更说明
本次发布的v2.26.6版本包含了一些关键性的变更,其中最值得注意的是对vSphere凭证处理的改进。在现有用户集群中,当指定了凭证时,机器控制器(machine-controller)和对象存储管理器(OSM)现在将使用infraManagementUser和infraManagementPassword而非之前的username和password。这一变更确保了凭证处理的标准化和安全性,虽然可能需要对现有部署进行相应调整,但长期来看将提高系统的稳定性和可维护性。
关键问题修复
本次更新解决了多个影响用户体验和系统稳定性的问题:
-
应用程序管理修复:修复了在使用git-source作为应用程序源时可能导致的Go程序崩溃问题,提高了应用程序部署的可靠性。
-
集群备份状态监控:解决了由于主控制器管理器中缺少cluster-backup-storage-controller而导致的CBSL(集群备份存储位置)状态更新问题,确保了备份功能的正常运行。
-
边缘计算场景优化:修复了边缘计算场景下集群可能卡在"creating"阶段的问题,该问题是由于错误地等待机器控制器的健康状态而导致的。
-
仪表板API改进:更新了仪表板API以正确使用在创建集群时选择的OSP(操作系统提供商),确保了集群创建过程中操作系统选择的准确性。
安全增强
安全始终是Kubermatic关注的重点,本次更新包含了重要的安全补丁:
- 将nginx-ingress-controller升级至1.11.5版本,修复了多个关键安全问题,包括CVE-2025-1097、CVE-2025-1098、CVE-2025-1974、CVE-2025-24513和CVE-2025-24514。这些修复增强了入口控制器的安全性,保护集群免受潜在的网络风险。
版本兼容性与升级建议
v2.26.6版本作为维护性更新,保持了与之前版本的API兼容性。对于正在使用v2.26.x系列版本的用户,建议尽快升级以获得最新的安全修复和稳定性改进。升级前应特别注意vSphere凭证处理方式的变更,确保相关配置已相应调整。
对于生产环境,建议先在测试环境中验证升级过程,特别是检查自定义应用程序和备份功能的运行情况。升级过程中,监控系统日志以发现任何潜在问题,并确保有完整的备份方案。
总结
Kubermatic v2.26.6版本虽然是一个小版本更新,但包含了多项重要的安全修复和稳定性改进,特别是对vSphere凭证处理的标准化和安全增强。这些改进进一步提升了平台在多云环境中的可靠性和安全性,为用户提供了更加稳定的Kubernetes管理体验。建议所有用户评估这些变更对自身环境的影响,并计划适当的升级窗口期。
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-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