BemiDB v0.30.0 版本发布:增强PostgreSQL兼容性与系统表支持
BemiDB是一个专注于数据变更追踪与审计的开源数据库系统,它通过记录数据变更历史来提供完整的数据溯源能力。最新发布的v0.30.0版本在PostgreSQL兼容性和系统表支持方面做出了重要改进,使BemiDB能够更好地与现有PostgreSQL生态工具集成。
核心功能增强
新增PostgreSQL系统函数支持
v0.30.0版本新增了对多个PostgreSQL系统函数的支持,包括aclexplode、pg_get_indexdef()以及_pg_expandarray等。这些函数的加入使得BemiDB能够更好地处理PostgreSQL特有的权限模型和数组操作,为开发者提供了更熟悉的开发体验。
特别是pg_get_indexdef()函数的支持,使得开发者能够直接查询索引定义,这对于数据库维护和迁移工作尤为重要。
扩展系统表支持
新版本增加了对pg_matviews、pg_stat_user_tables等系统表的支持。这些系统表是PostgreSQL生态中常用的元数据查询接口,许多数据库管理工具都依赖这些表来获取数据库状态信息。
pg_matviews表提供了物化视图的元数据信息,而pg_stat_user_tables则包含了用户表的使用统计信息。这些支持使得BemiDB能够与现有的PostgreSQL监控工具无缝集成。
查询处理能力提升
v0.30.0在查询处理方面有多项改进:
- 支持了SELECT语句中的间接引用和数组展开操作
- 改进了WHERE子句中嵌套SELECT语句的处理能力
- 修复了扩展查询执行中缺少Bind步骤时的问题
- 为命令添加了完整的command-complete标签
这些改进显著提升了BemiDB处理复杂查询的能力,特别是对于那些使用了PostgreSQL特有语法的查询。
系统优化与修复
时区处理
新版本允许设置和查询时区信息,这对于需要处理时间敏感数据的应用非常重要。开发者现在可以像在PostgreSQL中一样,通过设置时区来确保时间数据的正确处理。
模式验证与系统表优化
v0.30.0加强了对PG函数调用时的模式验证,确保函数调用符合预期的模式结构。同时,对系统表进行了优化:
- 移除了pg_namespace中的重复条目
- 重写了pg_views表的实现
- 改进了对系统PG表的识别,不再强制要求pg_catalog模式
这些优化使得系统表查询更加准确和高效。
错误处理改进
新版本改进了对空查询的处理,现在会返回适当的消息而不是静默失败。这种显式的错误处理机制有助于开发者更快地定位和解决问题。
总结
BemiDB v0.30.0版本通过增强PostgreSQL兼容性和扩展系统表支持,进一步缩小了与原生PostgreSQL的差距。这些改进使得BemiDB能够更好地融入现有的PostgreSQL生态,同时保持其核心的数据变更追踪能力。对于需要数据审计和版本控制的场景,这个版本提供了更加稳定和功能丰富的解决方案。
开发者现在可以更自信地在BemiDB上运行复杂的PostgreSQL查询和应用,同时享受BemiDB提供的数据变更追踪功能。随着兼容性的不断提升,BemiDB正逐渐成为PostgreSQL生态中数据审计领域的重要选择。
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