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。
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