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。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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