AWS SDK for .NET 3.7.1037.0版本发布:增强数据管理与服务集成能力
AWS SDK for .NET是亚马逊云服务官方提供的.NET开发工具包,它使.NET开发者能够轻松地在应用程序中集成和使用AWS的各种云服务。该SDK提供了对AWS服务的编程访问接口,简化了身份验证、请求签名和错误处理等底层细节,让开发者可以专注于业务逻辑的实现。
核心服务更新
DataZone服务增强
本次更新为DataZone服务引入了新的授权策略机制,专门用于控制自定义AssetType的使用。开发人员现在可以通过添加policyType为USE_ASSET_TYPE的新授权(grant),将授权策略应用到项目成员和域单元所有者。这一改进使得对自定义资产类型的访问控制更加精细化和灵活,有助于企业更好地管理数据资产的安全访问。
DeviceFarm设备测试平台改进
DeviceFarm服务新增了一个可选参数,允许在调用GetDevicePoolCompatibility API时传入项目信息来检查设备池的兼容性。这一功能扩展使得开发者能够基于特定项目需求来验证设备池的适用性,而不仅仅是基于设备特性本身,从而提高了测试环境的配置准确性。
EC2计算服务功能扩展
EC2服务在此次更新中新增了管理本地网关VIF(Virtual Interface)和VIF组的API操作。同时还包括了描述Outpost LAGs(链路聚合组)和服务链接VIF的API操作。这些新功能为企业混合云架构提供了更强大的网络连接管理能力,特别是对于使用AWS Outpost的客户来说,能够更灵活地配置和管理本地网络资源。
媒体处理与容器服务优化
MediaConvert媒体转换服务升级
MediaConvert服务新增了两项重要功能:一是可选的逐帧视频质量指标报告(sidecar per-frame video quality metrics report),这使得媒体处理工作流能够获取更细粒度的质量分析数据;二是为音频选择器增加了ALL_PCM选项,扩展了音频处理能力。此外,Probe API响应中与视频和音频比特率相关的字段数据类型从整数改为双精度浮点数,提高了数值精度。
ECS容器服务部署控制增强
ECS服务现在支持回滚正在进行中的服务部署(In_Progress ECS Service Deployment)。这一功能为容器化应用的持续部署提供了更安全的保障机制,当部署过程中出现问题或不符合预期时,可以快速回滚到之前稳定版本,降低了部署风险。
底层架构改进
本次发布的SDK核心版本升级至3.7.402.52,所有服务包都已更新以适配新的核心版本。这种定期的基础架构更新确保了SDK的稳定性、安全性和性能优化,为上层服务功能提供了可靠的支持。
开发者价值
此次AWS SDK for .NET的更新为开发者带来了多项实用功能增强,特别是在数据管理、设备测试、网络配置和媒体处理等领域。这些改进不仅扩展了功能边界,也提高了现有功能的精细度和灵活性。对于企业开发者而言,新版本在混合云管理、媒体质量分析和部署安全等方面提供了更强大的工具集,有助于构建更可靠、更高效的云原生应用。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust016
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00