GAM项目v7.05.12版本发布:Chrome设备策略修复与教育版授权更新
GAM(Google Apps Manager)是一款功能强大的命令行工具,专门用于管理Google Workspace(原G Suite)环境。作为管理员自动化操作的利器,GAM能够高效处理用户管理、权限配置、策略设置等日常运维工作。
版本核心更新内容
Chrome设备策略修复
在本次7.05.12版本中,开发团队重点修复了gam update chromepolicy命令中的一个关键问题。该问题涉及Chrome设备kiosk模式(信息亭模式)策略的更新操作。
具体表现为:当管理员尝试更新chrome.devices.kiosk相关策略时,系统会错误地将appid参数识别为策略字段,进而产生"Chrome Policy Schema: customers/C123abc456/policySchemas/, Does not exist"的错误提示。此修复确保了kiosk应用ID能够被正确解析,保障了自助终端设备策略配置的可靠性。
教育版授权扩展
在7.05.11版本中,GAM新增了对以下Google Workspace教育版授权SKU的支持:
- 教育基础版标准授权(SKU ID: 1010070001)
- 教育版仅Gmail授权(SKU ID: 1010070004)
- 教育基础版归档用户授权(SKU ID: 1010340007)
这些新增授权类型特别针对教育机构场景,为学校管理员提供了更精细的授权管理能力。其中归档用户授权尤其重要,它允许教育机构在符合数据保留政策的前提下,对离校用户的邮箱数据进行经济高效的归档处理。
技术实现解析
Chrome设备策略的修复涉及GAM底层策略处理逻辑的优化。原先的策略更新流程中,字段验证机制存在过度严格的问题,导致某些特殊场景下的合法参数被错误拒绝。新版本通过改进策略架构解析算法,实现了更智能的参数类型识别。
在教育授权支持方面,GAM的授权管理模块进行了扩展,新增了教育版特有的产品ID和SKU映射关系。这使得工具能够准确识别和处理教育机构专属的授权类型,包括那些具有特殊权限限制的变体授权。
管理员操作建议
对于使用kiosk模式管理共享设备的管理员,建议尽快升级到7.05.12版本以确保策略配置的稳定性。在更新后,原先因appid识别问题而失败的策略配置命令应该能够正常执行。
教育机构管理员在部署新版本后,可以利用新增的授权管理功能更精确地控制成本。特别是对于毕业生或离职教职工的邮箱,现在可以选择专门的归档用户授权而非保留完整授权,在满足合规要求的同时显著降低授权费用。
版本升级路径
跨版本升级时,建议管理员先测试新版本在非生产环境中的表现。虽然本次更新不包含破坏性变更,但任何授权管理工具的更新都应谨慎对待。对于大规模环境,可以采用分阶段滚动升级策略,先在小范围用户群体中验证新功能,确认无误后再全面推广。
GAM项目团队持续关注企业级管理场景中的实际需求,通过定期更新为管理员提供更强大、更可靠的管理工具。建议用户关注项目的更新日志,及时获取最新功能和安全增强。
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