Docker Buildx v0.22.0 版本发布:构建工具的重大更新
Docker Buildx 是 Docker 官方推出的下一代构建工具,它基于 BuildKit 构建引擎,提供了更强大、更灵活的容器镜像构建能力。作为 Docker CLI 的插件,Buildx 不仅支持传统的单架构镜像构建,还能够轻松创建多平台镜像,并提供了丰富的构建功能。
新版本核心特性
构建历史记录导入功能
v0.22.0 版本引入了全新的 buildx history import 命令,这一功能特别针对 Docker Desktop 用户设计。通过该命令,开发者可以将构建记录导入到 Docker Desktop 中,以便在 Build UI 中进行更深入的调试和分析。这一功能极大地方便了开发者在本地环境中复现和排查构建问题。
构建历史记录的灵活访问
新版本对历史记录访问进行了增强,现在可以通过相对偏移量来访问历史记录。例如,使用 ^1 可以访问倒数第二条记录。这一改进适用于 history inspect、history logs 和 history open 等多个命令,使得开发者能够更便捷地回溯和分析之前的构建过程。
Bake 功能的增强
Bake 是 Buildx 提供的声明式构建工具,新版本对其进行了多项改进:
- 新增了
+=操作符支持,在使用--set进行覆盖时可以实现追加操作,而不仅仅是替换。 - 现在可以在使用 Bake 覆盖时设置注释(Annotations),这为构建配置提供了更好的文档支持和元数据管理能力。
驱动与兼容性改进
Docker 容器驱动的 GPU 支持
新版本中,Docker 容器驱动现在能够自动检测并添加可用的 GPU 设备到容器中。这一改进对于需要 GPU 加速的构建任务(如机器学习模型的容器化)尤为重要,大大简化了相关配置工作。
多平台支持扩展
v0.22.0 版本新增了对 NetBSD 系统的支持,进一步扩展了 Buildx 的跨平台能力。现在开发者可以在更多操作系统环境中使用 Buildx 进行容器构建。
稳定性与错误修复
本次更新包含多项稳定性改进和错误修复:
- 修复了在使用 Docker 驱动并启用 containerd 存储时的双推送问题。
- 修正了
imagetools create命令中多个标签被推送的问题,现在只有最终的清单会通过标签推送。 inspect和create命令现在会在节点启动失败时返回错误,提高了错误处理的准确性。
依赖项更新
v0.22.0 版本同步更新了多个核心依赖库,包括:
- compose-go/v2 更新至 v2.4.8
- containerd/v2 更新至 v2.0.3
- Docker CLI 和 Docker 引擎更新至 v28.0.1
- BuildKit 更新至 v0.20.1
这些依赖项的更新为 Buildx 带来了更好的性能、安全性和功能支持。
总结
Docker Buildx v0.22.0 版本通过引入构建历史记录导入、增强 Bake 功能、改进 GPU 支持等多项新特性,进一步提升了容器构建的效率和灵活性。同时,通过多项错误修复和稳定性改进,使得构建过程更加可靠。对于需要频繁构建容器镜像的开发者和 DevOps 团队来说,这一版本值得升级体验。
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-1.5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