OpenMeter 1.0.0-beta.210版本发布:计费系统功能全面升级
OpenMeter是一个开源的计量和计费系统,主要用于跟踪、聚合和报告各种资源的使用情况。该系统特别适合需要精确计量和复杂计费模型的SaaS平台和企业级应用。最新发布的1.0.0-beta.210版本带来了多项重要功能增强和优化,进一步提升了系统的灵活性和实用性。
核心功能增强
计划附加组件兼容性
新版本引入了计划附加组件(plan-addon)的兼容性支持,这一功能允许企业在基础计费计划之外,灵活地添加各种附加服务或功能模块。通过这种模块化设计,企业可以构建更加精细化和个性化的定价策略,满足不同客户群体的需求。
预计费行计量
系统现在支持记录"预计费行"(pre line)的计量数量,这一改进使得在正式计费前就能对使用量进行预估和记录。对于需要预先分配资源或提供使用量预测的场景特别有价值,帮助企业更好地进行资源规划和成本控制。
附加组件分配管理
API层面新增了附加组件分配功能,使得管理员能够通过编程方式管理客户与附加组件之间的关系。这一自动化能力大幅简化了大规模客户环境下的附加服务管理流程,提高了运营效率。
监控与指标增强
AI资源运行监控
收集器组件现在能够记录AI资源的运行数量指标,并将状态码信息添加到AI HTTP请求的监控指标中。这一增强特别针对AI服务提供商,提供了更细粒度的资源使用监控能力,帮助运维团队快速定位性能瓶颈和异常情况。
运行AI指标时间戳修复
修复了运行AI相关指标的时间戳问题,确保所有监控数据的时序准确性。这一改进对于依赖时间序列数据进行计费和容量规划的场景至关重要。
计费模型优化
使用量折扣支持
新版本引入了使用量折扣功能,企业可以根据客户的使用量规模设置阶梯式折扣。这一功能支持多种折扣类型,但系统限制每种类型只能有一个折扣策略,这种设计既保证了灵活性又避免了策略冲突。
订阅附加组件重构
对订阅附加组件系统进行了深度重构,提高了代码的可维护性和扩展性。这一内部架构优化为未来更多附加组件功能的开发奠定了基础。
数据一致性与稳定性改进
计量表唯一键约束
修复了计量表中唯一键约束的问题,确保计量数据的准确性和一致性。这一修复防止了因数据重复导致的计算错误,保障了计费结果的可靠性。
资源比较功能修复
修正了资源比较功能中的问题,确保系统能够正确识别和处理资源变更。这一改进对于依赖自动化资源管理的场景尤为重要。
开发者体验优化
JavaScript客户端改进
针对JavaScript客户端进行了多项修复,包括导出问题和查询返回类型问题。这些改进提升了客户端库的稳定性和易用性,使前端开发者能够更轻松地集成OpenMeter功能。
事件序列化修复
解决了事件中资源控制(RC)序列化的问题,确保事件数据在不同系统间传输时的完整性和一致性。这一修复对于分布式部署环境特别重要。
总结
OpenMeter 1.0.0-beta.210版本通过引入计划附加组件、使用量折扣等新功能,大幅提升了系统的计费灵活性。同时,在监控指标、数据一致性和开发者体验方面的多项改进,使得系统更加稳定可靠。这些增强功能共同构成了一个更加强大和易用的计量计费解决方案,能够满足企业日益复杂的业务需求。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust063- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
Hy3-previewHy3 preview 是由腾讯混元团队研发的2950亿参数混合专家(Mixture-of-Experts, MoE)模型,包含210亿激活参数和38亿MTP层参数。Hy3 preview是在我们重构的基础设施上训练的首款模型,也是目前发布的性能最强的模型。该模型在复杂推理、指令遵循、上下文学习、代码生成及智能体任务等方面均实现了显著提升。Python00