Coolify v4.0.0-beta.402 版本发布:支持PR部署与多语言增强
Coolify 是一个开源的、自托管的云部署平台,旨在简化应用程序的部署和管理流程。它支持多种编程语言和框架,提供了从代码提交到生产环境部署的一站式解决方案。Coolify 的设计理念是让开发者能够更专注于代码本身,而不是繁琐的部署和运维工作。
主要更新内容
1. Pull Request 部署支持
本次更新最引人注目的功能是新增了对 Pull Request(PR)部署的支持。这一功能允许开发团队通过 API 直接触发 PR 的部署流程,极大地简化了代码审查和测试环境的创建过程。开发者在提交 PR 后,可以立即获得一个独立的测试环境,方便进行功能验证和代码审查。
2. 挪威语支持
为了满足更广泛的用户群体,Coolify 现在新增了对挪威语的支持。这一改进使得挪威语用户能够使用母语操作平台,提升了用户体验。多语言支持一直是 Coolify 关注的重点,未来预计会加入更多语言选项。
3. 技术栈升级
开发团队将整个平台升级到了 Laravel 12 框架,这是一个重要的技术栈更新。Laravel 12 带来了性能优化、安全性增强和新特性支持。同时,所有依赖包也进行了版本升级,确保平台使用最新的、最稳定的第三方组件。
安全性与稳定性改进
1. SSL 证书处理优化
对于数据库的 SSL 加密连接,Coolify 现在能够更智能地处理证书问题。当检测到服务器缺少 CA 证书时,系统会自动生成所需的证书,确保加密连接能够正常建立。这一改进减少了手动配置的工作量,提高了安全性。
2. 数据库字段加密调整
开发团队对数据库中的敏感字段加密策略进行了优化。移除了对 mount 和 fs_path 字段的加密,因为这些字段不包含敏感信息,且保持明文更便于搜索和调试。同时修复了因加密导致的字段重复问题,提高了数据一致性。
服务模板更新
多个服务模板得到了更新和优化:
- Minecraft 服务器模板进行了调整,优化了 Java 环境的配置
- 改进了 Plausible 分析服务中 Google 相关的设置
- 升级了 Authentik 身份验证服务的版本,提供更强大的身份管理功能
- 完善了 Wakapi 服务的环境变量配置
开发者体验改进
- 修复了应用日志排水的相关问题,确保日志收集系统稳定运行
- 改进了 Infisical 的变量配置,增强了密钥管理能力
- 优化了定时任务的配置选项,移除了无效的启动间隔设置
总结
Coolify v4.0.0-beta.402 版本带来了多项实用功能和重要改进,特别是 PR 部署支持将显著提升团队的开发效率。技术栈的升级为平台未来的发展奠定了更坚实的基础,而安全性和稳定性的持续优化则确保了生产环境的可靠性。多语言支持的扩展也体现了项目对国际化用户体验的重视。这些改进共同使 Coolify 成为一个更加强大、易用的自托管部署解决方案。
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