Higress v2.1.2 版本发布:增强网关功能与AI能力
Higress作为阿里巴巴开源的云原生网关项目,在最新发布的v2.1.2版本中带来了多项重要功能增强和优化。这个版本主要聚焦于网关核心能力的提升、AI相关功能的完善以及多集群管理能力的改进,为开发者提供了更强大、更灵活的云原生网关解决方案。
核心功能增强
在网关核心功能方面,v2.1.2版本引入了动态MatchLabels获取机制。通过gatewaySelectorKey/Value参数,用户现在可以动态获取MatchLabels,这大大提高了网关配置的灵活性和适应性。这种设计特别适合在动态环境中部署网关的场景,能够根据不同的选择器值自动调整匹配规则。
AI能力优化
AI相关功能是本版本的重点改进领域之一。首先,Elasticsearch AI搜索插件得到了显著优化,提升了搜索性能和稳定性,同时更新了相关文档以帮助开发者更好地使用这一功能。其次,AI代理功能现在支持Amazon Bedrock服务,扩展了Higress在AI服务集成方面的能力范围。
在数据处理方面,AI数据掩码插件增加了对非标准API响应结构的兼容处理,提高了插件的健壮性。同时,新版本还支持从multipart/form-data格式的请求体中提取模型参数,这为处理复杂表单数据提供了更好的支持。
多集群管理改进
多集群管理能力(MCP)在本版本中得到了架构上的重构。原先的MCP Server被重新设计为MCP Session和MCP Server两个组件,这种分离使得架构更加清晰,职责更加明确。同时,新增了对Nacos注册中心的服务自动发现支持,进一步丰富了服务发现的机制。
值得注意的是,当服务源类型为nacos3且MCP服务器关闭时,系统会自动回退到nacos2的发现机制,这种优雅降级的设计保证了服务发现的可靠性。此外,MCP Server现在支持基于配置的Redis客户端,提供了更大的灵活性。
开发者体验提升
在开发者体验方面,v2.1.2版本增加了多个测试用例,特别是针对/pkg/ingress/kube/common包的测试,提高了代码质量和稳定性。同时,各种文档描述也得到了更新和完善,包括MCP相关的详细说明,帮助开发者更好地理解和使用这些功能。
总结
Higress v2.1.2版本在保持系统稳定性的同时,通过一系列功能增强和优化,进一步提升了作为云原生网关的能力。特别是在AI集成和多集群管理方面的改进,使得Higress能够更好地服务于现代云原生应用架构。这些变化不仅增强了系统的功能性,也提高了开发者的使用体验,为构建高效、可靠的微服务架构提供了有力支持。
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