AWS今天宣布在GitHub上提供SaaS Boost,这也是AWS为简化客户软件项目而发布的一系列开源工具中的最新一项。
SaaS应用的用途和设计差异很大,但通常都基于相同的基本构建块进行构建。一个应用需要一个系统,用于加载用户、集成支付处理服务以向客户收费、监控各项机制以检测技术故障。SaaS Boost以预打包模块的形式提供这些组件,再加上其他组件,让企业无需从零开始构建所有组件。
SaaS Boost的模块主要实施形式是软件容器,利用AWS Lambda无服务器计算服务来运行其中的很多服务。
这些模块中相当大一部分专用于用户加载,在企业SaaS应用中,这通常涉及的不仅仅是为客户注册时生成帐户。应用通常还需要分配其他基础设施来支持新用户。SaaS Boost具有可立即使用的代码,这样SaaS服务就可以使用这些代码为每个新用户设置一个带有虚拟专用网络的AWS基础设施环境。
AWS的工程师还添加了一些扩展选项让企业可以自定义配置工作流程。例如,企业可以配置SaaS Boost以为每个用户提供除计算资源和虚拟专用网络之外的数据库实例。
另一个SaaS Boost模块提供了将客户帐户连接到支付系统的功能,以便可以对他们进行计费。基础设施资源分配给每个客户,然后通过第三个管理控制台模块进行管理。IT团队可以使用这个控制台来控制各项设置,例如分配给部署的实例大小。
SaaS Boost涵盖的另外两个场景是升级和监控。AWS提供给的一个工具可以让开发人员将应用升级项打包到容器中,使其更易于推送部署。为了帮助企业监控应用的运行状况,SaaS Boost还可以收集有关服务的基础设施利用率和访问模式相关数据。
该工具包中的很多模块都是运行在AWS Lambda服务上的。根据SaaS Boost文档显示,这是因为用于加载用户等任务的代码只会偶尔被激活(例如当新客户注册时才会激活),而Lambda的定价模型可降低此类零星工作流程的成本,该服务是按照代码激活和每次运行的持续时间进行计费的,这要比租用一个按照配置(而不是使用情况)每秒计费的云实例更具成本效益。
AWS高管Adrian De Luca在博客中写道,SaaS Boost已经引起了数百位开发人员的兴趣。未来,AWS希望围绕该项目构建一个开源贡献者社区,此外还计划邀请外部维护者帮助确定项目功能路线图的方向。
好文章,需要你的鼓励
邻里社交应用Nextdoor推出重新设计版本,新增本地新闻、实时警报和名为"Faves"的AI功能,用于发现本地商户和地点。该应用与3500家本地出版商合作提供新闻内容,通过Samdesk和Weather.com提供天气、交通、停电等实时警报。Faves功能利用15年邻里对话数据训练的大语言模型,为用户提供本地化AI推荐服务,帮助用户找到最佳餐厅、徒步地点等本地信息。
Skywork AI推出的第二代多模态推理模型R1V2,通过创新的混合强化学习方法,成功解决了AI"慢思考"策略在视觉推理中的挑战。该模型在保持强大推理能力的同时有效控制视觉幻觉,在多项权威测试中超越同类开源模型,某些指标甚至媲美商业产品,为开源AI发展树立了新标杆。
英国生物银行完成了世界上最大规模的全身成像项目,收集了10万名志愿者的超过10亿次扫描数据,用于研究人体衰老和疾病过程。该项目历时11年,每次扫描耗时5小时,投资6200万英镑。目前已有8万人的成像数据供全球研究人员使用,剩余数据将于年底前发布。项目已开发出能预测38种常见疾病的AI工具,并在心脏病、痴呆症和癌症诊断方面取得突破。
这项由北京大学等多所高校联合完成的研究,首次对OpenAI GPT-4o的图像生成能力进行了全面评估。研究团队设计了名为GPT-ImgEval的综合测试体系,从文本转图像、图像编辑和知识驱动创作三个维度评估GPT-4o,发现其在所有测试中都显著超越现有方法。研究还通过技术分析推断GPT-4o采用了自回归与扩散相结合的混合架构,并发现其生成图像仍可被现有检测工具有效识别,为AI图像生成领域提供了重要的评估基准和技术洞察。