Odigos项目v1.0.159版本发布:增强可观测性与操作便捷性
Odigos是一个开源的分布式追踪系统,它通过自动检测应用程序中的关键路径并生成追踪数据,帮助开发者更好地理解和优化系统性能。最新发布的v1.0.159版本带来了一系列功能增强和优化,进一步提升了系统的可观测性和用户体验。
核心功能增强
新增"聚焦实体"页面
本次版本在用户界面中新增了"focused entity"(聚焦实体)页面,这一功能允许开发者快速查看和分析特定实体(如服务、端点等)的详细追踪信息。通过集中展示关键指标和关联数据,开发者能够更高效地定位性能瓶颈和异常情况。
命令行工具改进
CLI工具新增了-v标志,为开发者提供了更便捷的版本查询功能。这一看似简单的改进实际上大大提升了开发者在自动化脚本和持续集成环境中使用Odigos的便利性。
操作符支持
v1.0.159版本引入了Operator支持(#2388),这一架构上的重要改进使得Odigos能够更好地与Kubernete生态系统集成。Operator模式的应用意味着Odigos现在可以更智能地管理自身的生命周期和配置状态,为大规模部署提供了更好的支持。
性能与稳定性优化
镜像优化
项目团队将基础镜像切换为ubi9-micro(#2510),这一变更显著减小了容器镜像的体积,不仅加快了部署速度,还降低了资源消耗,特别适合资源受限的环境。
OpenTelemetry依赖更新
技术栈方面,项目更新了OpenTelemetry依赖至0.120.0/1.26.0版本(#2475)。这一更新带来了最新的可观测性标准实现,确保了Odigos能够利用OpenTelemetry生态系统的最新功能和性能改进。
UI性能调优
用户界面进行了多项性能优化(#2508),包括修复了过滤器崩溃问题并实施了多项性能调优措施。这些改进使得在大规模数据集下的UI响应更加流畅,提升了用户体验。
开发者体验改进
Java检测增强
针对Java应用的自动检测功能进行了改进(#2478),使得Odigos能够更准确地识别和追踪Java应用程序中的关键路径。这一改进特别有利于使用Spring Boot等流行框架的Java开发者。
远程源创建API
新增了用于远程创建源的API(#2516),这一功能扩展了Odigos的集成能力,使得开发者能够通过编程方式动态配置数据源,为自动化部署和配置管理提供了更多可能性。
唯一标识符支持
项目现在为每个Odigos实例生成了唯一标识符(#2500),这一特性为多实例部署和集中管理提供了基础支持,也为未来的功能扩展奠定了基础。
质量保证措施
团队在本次发布中特别关注了质量保证,包括:
- 添加了延迟阈值零值验证(#2514),防止配置错误导致的异常情况
- 修复了OpenShift工作流中的缩进问题(#2503),确保部署过程的可靠性
- 优化了UI中的CRUD操作后数据刷新逻辑(#2512),提升了界面响应的一致性
这些改进共同构成了一个更加稳定可靠的Odigos版本,为开发者提供了更优质的可观测性解决方案。无论是小规模开发环境还是大规模生产部署,v1.0.159版本都能提供出色的性能和用户体验。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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