AWS SDK Rust 2025年4月发布:新增ACM文件验证与Bedrock运行时优化
AWS SDK Rust项目是亚马逊云科技官方维护的Rust语言SDK,它为开发者提供了在Rust生态中直接访问AWS各种云服务的能力。本次2025年4月28日的发布带来了多项重要更新,特别是在证书管理和AI服务方面有显著增强。
ACM服务新增文件验证支持
本次更新中,AWS Certificate Manager (ACM)服务SDK新增了对基于文件的HTTP域控制验证的支持。这项功能通过Amazon CloudFront实现,为开发者提供了更灵活的证书验证方式。
传统上,ACM主要支持DNS验证和电子邮件验证两种方式。文件验证的加入意味着开发者现在可以通过在网站根目录放置特定验证文件来完成域所有权验证,这种方式特别适合那些DNS配置受限或希望自动化证书管理的场景。
实现这一功能时,开发者需要注意:
- 验证文件必须可通过HTTP公开访问
- 文件需要放置在域名的/.well-known/acme-challenge/目录下
- CloudFront需要正确配置以允许这些验证请求通过
Bedrock运行时原生HTTP/2支持
AWS Bedrock运行时服务在此次更新中获得了原生HTTP/2协议支持。HTTP/2相比HTTP/1.1具有多路复用、头部压缩等优势,能显著提升AI模型推理的效率。
需要注意的是,这一优化目前仅适用于支持原生HTTP/2请求的SDK版本。开发者在使用时需要确保:
- 使用最新版本的AWS SDK Rust
- 运行环境支持HTTP/2协议栈
- 网络配置允许HTTP/2连接
对于AI推理场景,HTTP/2的多路复用特性特别有价值,它允许在单个连接上并行发送多个请求,减少了建立新连接的开销,这对需要频繁调用模型的应用程序性能提升明显。
CloudFront新增多租户分发API
CloudFront SDK此次更新引入了三个重要API:
- 分发租户API:允许更精细地管理CDN资源
- 连接组API:优化边缘节点间的通信
- 多租户分发API:支持在单个分发中服务多个租户
这些API特别适合SaaS提供商和大型企业,它们可以实现:
- 更高效的资源隔离
- 更精细的访问控制
- 更灵活的计费模式
多租户分发功能尤其值得关注,它允许在单个CloudFront分发中为不同客户提供定制化内容,同时保持资源隔离,这可以显著降低运营复杂性和成本。
ImageBuilder与SSM参数存储集成
AWS ImageBuilder服务现在可以与Systems Manager (SSM)参数存储集成。这一功能让构建自定义AMI或容器镜像的过程更加灵活和安全。
开发者现在可以:
- 将敏感配置存储在SSM参数存储中
- 在构建过程中动态引用这些参数
- 实现配置的集中管理和版本控制
这种集成特别适合需要频繁构建镜像且配置复杂的场景,如CI/CD流水线。通过将配置与构建逻辑分离,不仅提高了安全性,还使配置变更更加容易管理。
其他改进与文档更新
除了上述主要功能外,本次发布还包括:
- DynamoDB全局二级索引(GSI)文档更新,提供了更清晰的描述
- 多项服务的常规性能优化和错误修复
- 依赖库的版本更新和安全补丁
对于Rust开发者来说,这些更新进一步丰富了AWS云服务的集成能力,特别是在证书管理、内容分发和AI服务等关键领域。建议开发者及时升级到最新版本,以利用这些新功能和性能改进。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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