AnyCable v1.6.0 发布:新增 Presence 追踪与 WebSocket 安全认证增强
AnyCable 是一个高性能的 WebSocket 服务器,专为 Ruby on Rails 的 Action Cable 设计,旨在提供更高效、更可靠的实时通信能力。它通过将 WebSocket 连接处理与 Rails 应用逻辑分离,显著提升了实时应用的性能和可扩展性。
Presence 追踪功能上线
在 v1.6.0 版本中,AnyCable 引入了备受期待的 Presence 追踪功能。这个功能允许开发者实时监控和管理连接用户的在线状态,为构建协作应用、实时仪表盘等场景提供了强大支持。
Presence 追踪的实现涉及客户端和 RPC 协议的增强,使得服务器能够:
- 跟踪特定频道中的用户连接状态
- 获取当前在线用户列表
- 实时通知用户加入/离开事件
这项功能特别适合需要展示用户在线状态的协作应用,如文档协作编辑、实时聊天室等场景。
WebSocket 安全认证改进
新版本增加了通过 WebSocket 子协议传递认证令牌的能力。开发者现在可以选择将认证令牌作为 anycable-token.<token> 子协议传递给 WebSocket 客户端,而不是通过 URL 参数传递。
这种改进带来了两个主要优势:
- 安全性提升:避免了令牌在 URL 中暴露的风险
- 兼容性更好:某些网络中间件可能会过滤或记录 URL 参数,而子协议则不受影响
性能监控与指标增强
v1.6.0 引入了新的监控指标 publications_total,帮助开发者区分两种不同类型的消息:
- 从应用程序到 AnyCable 的发布(publications)
- 实际广播到客户端的消息(broadcasts)
这个指标对于性能调优和问题诊断非常有价值,特别是在高流量场景下,可以帮助开发者精确识别性能瓶颈。
连接处理优化
新版本对消息缓冲机制进行了重构,用队列替代了原有的通道实现。这一改变配合以下两个新配置参数,可以更好地处理慢速客户端问题:
ws_write_timeout:写入超时时间(默认从10秒调整为2秒)ws_max_pending_size:最大待处理消息大小
这些改进显著提升了 AnyCable 在连接质量不稳定环境下的稳定性,特别是在移动网络或高延迟连接场景中。
gRPC 超时配置
考虑到分布式部署的需求,v1.6.0 增加了对 gRPC 超时设置的支持。开发者现在可以更精细地控制 AnyCable 节点与 RPC 服务之间的通信超时,避免因网络问题导致的长时间阻塞。
总结
AnyCable v1.6.0 通过引入 Presence 追踪、改进认证机制、增强监控指标和优化连接处理,进一步巩固了其作为 Rails 实时通信首选解决方案的地位。这些改进不仅提升了功能丰富度,也增强了系统的稳定性和安全性,为开发者构建高性能实时应用提供了更强大的工具集。
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