Harvester v1.4.3-rc3 技术预览版深度解析
Harvester 是一个开源的超融合基础设施(HCI)解决方案,专为云原生环境设计。它将计算、存储和网络功能集成到单一平台中,基于 Kubernetes 和 KubeVirt 构建,为用户提供简单易用的虚拟化管理体验。本次发布的 v1.4.3-rc3 是一个预发布版本,主要针对已知问题进行了修复和优化。
核心组件升级
本次预发布版本对多个核心组件进行了版本升级,这些升级带来了性能改进和安全增强:
- Longhorn 存储系统升级至 v1.7.3 版本,提升了分布式块存储的稳定性和性能
- KubeVirt 虚拟化平台保持在 v1.3.1 版本,确保虚拟机管理的可靠性
- 嵌入式 Rancher 管理界面版本为 v2.10.1,提供了更完善的集群管理功能
- RKE2 Kubernetes 发行版升级至 v1.31.7+rke2r1,包含了最新的安全补丁和功能改进
- 基础操作系统采用 SLE Micro for Rancher 5.5,提供了更稳定的运行环境
主要改进与修复
虚拟化管理增强
针对虚拟机管理方面,本次版本修复了多个关键问题。其中最重要的是解决了 SSH 密钥在 Rancher v2.10.5 中无法正确渲染的问题,这直接影响了用户通过 SSH 访问虚拟机的体验。同时修复了虚拟机迁移相关的问题,包括对停止状态的虚拟机不恰当显示迁移选项的问题。
存储系统优化
存储方面修复了自动磁盘路径配置(auto-disk-provision-paths)在特定情况下无法正常工作的问题,这对于自动化部署场景尤为重要。同时解决了 UI 中显示相同设备 ID 的问题,使存储设备管理更加清晰可靠。
网络功能改进
网络相关修复包括解决了 CNI 网络缓存清理在某些情况下无效的问题,以及负载均衡器 IP 分配在 IPAM 模式下可能永久卡住的问题。这些改进提升了网络功能的稳定性和可靠性。
系统管理优化
系统管理方面修复了节点管理器不能正确更新 NTP 同步状态的问题,这对于时间敏感型应用至关重要。同时改进了升级控制器的处理逻辑,解决了升级过程中状态管理的问题。
技术预览功能
ARM64 架构支持仍然是技术预览功能,本次版本提供了完整的 ARM64 镜像和组件。虽然不建议在生产环境使用,但对于希望在 ARM 平台上评估 Harvester 的用户来说是一个重要的里程碑。
使用建议
需要注意的是,v1.4.3-rc3 是一个预发布版本,不建议在生产环境中使用。特别是从其他版本升级到这个预发布版本,以及从这个预发布版本升级到后续版本都不被支持。建议用户在测试环境中评估这个版本,等待正式发布后再考虑生产部署。
对于评估新功能的用户,建议关注虚拟化管理、存储系统和网络功能的改进,这些是本次版本的重点优化领域。同时,ARM64 架构的支持也为特定硬件环境的用户提供了新的可能性。
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