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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00