Higress v2.1.2-rc.1版本发布:增强AI代理与多集群管理能力
Higress作为阿里巴巴开源的云原生网关项目,基于Envoy构建,专注于为Kubernetes环境提供高性能、可扩展的API网关解决方案。该项目在服务网格、流量管理和安全防护等方面具有显著优势,特别适合现代微服务架构下的复杂网络环境。
最新发布的v2.1.2-rc.1版本带来了多项重要功能增强和问题修复,主要集中在AI代理功能优化和多集群管理能力提升两大方向。这些改进使得Higress在人工智能应用场景和分布式系统管理方面展现出更强的适应性和灵活性。
核心功能增强
AI代理功能全面升级
本版本对AI相关功能进行了多项优化。首先,Elasticsearch AI搜索插件得到了显著性能提升,同时更新了相关文档,帮助开发者更高效地利用这一功能。其次,AI代理现在支持Amazon Bedrock服务,扩展了云服务集成能力。
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,提高了系统的健壮性。特别值得注意的是,现在支持从multipart/form-data格式的请求体中提取模型参数,这为处理复杂AI模型输入提供了更大便利。
多集群管理能力强化
多集群管理协议(MCP)在本版本中进行了架构重构,将MCP Server拆分为MCP Session和MCP Server两个组件,这种解耦设计提高了系统的可维护性和扩展性。同时新增了对Nacos注册中心的服务自动发现支持,使得在多集群环境中服务注册与发现更加便捷。
文档方面也进行了同步更新,增加了对Yuque、GitHub和E2BDev等平台的多集群管理描述,为用户提供了更全面的使用指南。
稳定性与兼容性改进
在基础架构层面,项目更新了模块替换策略,确保依赖管理的正确性。Ingress相关组件增加了测试覆盖率,特别是对kube/common包的测试,提高了核心功能的稳定性。
网关选择器现在支持动态获取MatchLabels,通过gatewaySelectorKey/Value参数实现更灵活的配置方式。这一改进使得在动态环境中部署和配置Higress变得更加简单高效。
开发者体验优化
新版本提供了跨平台的hgctl命令行工具,支持macOS(amd64/arm64)、Linux(amd64/arm64)和Windows(amd64/arm64)等多种操作系统和架构。工具包的发布为开发者提供了统一的管理界面,简化了Higress的安装和配置过程。
CRD定义文件也随版本同步更新,确保自定义资源与核心功能保持兼容。这些资源文件的规范化发布,为基于Higress进行二次开发的团队提供了可靠的基础。
总结
Higress v2.1.2-rc.1版本通过增强AI代理功能和改进多集群管理能力,进一步巩固了其作为云原生API网关的领先地位。这些改进不仅提升了系统的功能性,也显著改善了开发者和运维人员的使用体验。随着对Amazon Bedrock等云服务的支持,Higress在人工智能和机器学习场景中的应用前景更加广阔。多集群管理方面的优化则使得Higress在大型分布式系统中的部署和管理变得更加轻松。这个版本为即将到来的稳定版奠定了坚实基础,值得开发者关注和试用。
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