Odigos v1.0.161版本发布:增强配置管理与稳定性优化
Odigos是一个开源的分布式追踪与可观测性平台,它通过自动检测应用程序代码来简化遥测数据的收集过程。最新发布的v1.0.161版本带来了一系列重要的功能增强和稳定性改进,进一步提升了平台的可靠性和用户体验。
核心功能增强
本次版本在配置管理方面进行了显著改进,新增了ui-pagination-limit配置项到odigos config set命令行工具中。这一功能允许管理员直接通过CLI调整用户界面中的分页限制,为大规模部署环境提供了更好的控制能力。
在诊断功能方面,v1.0.161版本将诊断输出集成到了CLI升级流程中。当用户执行升级操作时,系统会自动收集并显示关键诊断信息,这大大简化了故障排查过程,特别是在升级失败时能够快速定位问题根源。
架构优化与稳定性提升
本次发布对控制器架构进行了重要重构,将原先的startlangdetection和deleteinstrumentationconfig两个控制器合并为一个统一的sourceinstrumentation控制器。这种架构简化不仅减少了代码复杂度,还提高了系统的整体稳定性。
在Kubernetes环境适配方面,新版本特别针对GKE(Google Kubernetes Engine)环境增加了检测机制的工作区,解决了在某些特定GKE配置下可能出现的问题。同时,对OpenTelemetry代理的启动过程进行了优化处理,确保在各种环境下都能可靠启动。
性能与用户体验改进
数据收集服务增加了对internalTrafficPolicy的支持,这一改进优化了代理间通信的流量管理,特别是在大规模集群中能够显著降低网络开销。用户界面中的实例列表查询也进行了优化,现在所有实例信息可以在单个查询中获取,大幅提升了页面加载速度。
在兼容性方面,v1.0.161版本将Collector组件升级到了v1.27.0/v0.121.0版本,同时移除了已弃用的"odigosconfiguration"自定义资源定义(CRD),保持代码库的整洁和向前兼容性。
安全与监控增强
新版本在e2e测试中移除了简单演示应用中的活性探针(liveness probe),这一变更使得测试环境更加稳定可靠。同时,在OpAmp协议中增加了vpid属性支持,为进程级别的监控提供了更丰富的数据维度。
总体而言,Odigos v1.0.161版本通过一系列架构优化、功能增强和稳定性改进,为分布式系统的可观测性提供了更加可靠和高效的解决方案。这些改进既考虑了大规模生产环境的需求,也关注了开发者和运维人员的日常使用体验。
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