近日,国内专为开发者提供一站式数据管理服务的七牛云存储对外公布了一个令人振奋的消息。在经历了四大版本的迭代后,七牛将于6月9日正式上线其新一代存储V2。同时,七牛云存储还宣布,将同期下调其存储服务价格至此前的33%。
七牛云存储专注于为开发者提供数据安全托管,传输加速以及图片音视频处理等一站式服务,一直在存储技术领域处于领先地位,最早就在国内推出了全分布式存储架构,对数据实行多机房互备。针对互联网发展趋势下越来越多的用户产生内容,七牛云存储也首创推出了上传加速功能,这一点对于对上传速度要求很高的UGC类产品非常重要,此外七牛对图片,音视频的增值处理服务也给开发者带来了开发成本的降低以及效率的提升。据了解,在七牛的平台上已经承载了6万多家客户数据的托管,其中不乏终端用户过亿的优秀互联网企业。我们看到,Camera360,美图秀秀,PPTV,中国平安,豌豆荚,知乎,海康威视,沪江网等大量国内知名企业都选择了七牛的服务。
七牛新一代存储V2的四大亮点
据悉,相较于当前存储系统,七牛新一代存储V2四大亮点夺人眼球。
亮点一:单位存储成本降至36.5%
经典的三副本存储系统虽然经典,但代价也是高昂的。七牛V2全面引入纠删码(EC)算术冗余方案,这样做的好处在于可以将单位存储成本降至原先的36.5%,还能获得更高的数据可靠性。
亮点二:率先达到16个9的数据可靠性
七牛当前可以接受2台服务器下线,而新存储支持同时损坏4块硬盘而不影响数据,将丢失数据的可能性降低到如同在全宇宙内发现两粒同样的沙子。
亮点三:修复速度提升6倍
如果数据修复速度跟不上硬盘损坏的速度,数据就必然会丢失。七牛V2将单盘修复时间从3小时提升到30分钟以内,让数据丢失率降低到几乎不可能丢失。
亮点四:系统可扩展至EB级别
七牛V2的系统规模可以平滑扩展至EB级别,而且读写能力也能随之线性提升,消除传统存储方案的服务瓶颈。
新价格体系同期上线,存储价格降幅可达67%
七牛新一代存储V2从技术角度使得七牛云服务成本得到显著下降,七牛本轮降价就是基于这种成本下调的让利行为。本次价格调整主要表现在存储空间价格的下调。众所周知,七牛采用的是阶梯式计费方式,以存储空间1TB来算,当前月单价在0.5元/GB,降价后月单价可达0.165元/GB,存储空间降价幅度平均可达67%。对创业者和开发者来说,七牛云存储降价这一举措,无疑是个利好消息。
近年来,随着硬件设备、传感器的增加,人们创造和分享数据的热情前所未有的高涨。尤其是4G的到来,加速了移动互联网的发展,用户产生的数据越来越多,尤其是图片、音视频等非结构化数据的产生。海量数据的管理成为摆在企业面前的一大难题。传统的存储方式远不能满足企业对可靠性和安全性的追求,而分布式存储系统更易于扩展,具有更强的可靠性和可用性。
“七牛新一代存储V2终于完成了,了却了我多年的夙愿。”七牛CEO许式伟表示,V2虽然上线了,但七牛不会就此停止前进的脚步,在存储系统上我们又有了一些好玩的想法。从长远来说,云存储是软硬结合的创新,单位存储成本会越来越廉价。在未来,人们会发现云存储的成本甚至低于自建存储的成本,云存储会成为水电煤一样的基础设施,用户根本不需要去在意它的价格。
七牛新一代存储产品详情查看:www.qiniu.com?link=tongxingao
好文章,需要你的鼓励
谷歌Agent Development Kit(ADK)革新了AI应用开发模式,采用事件驱动的运行时架构,将代理、工具和持久化状态整合为统一应用。ADK以Runner为核心,通过事件循环处理用户请求、模型调用和外部工具执行。执行逻辑层管理LLM调用和工具回调,服务层提供会话、文件存储等持久化能力。这种架构支持多步推理、实时反馈和状态管理,为构建超越简单聊天界面的生产级AI应用提供了完整框架。
上海AI实验室联合团队开发RoboVIP系统,通过视觉身份提示技术解决机器人训练数据稀缺问题。该系统能生成多视角、时间连贯的机器人操作视频,利用夹爪状态信号精确识别交互物体,构建百万级视觉身份数据库。实验显示,RoboVIP显著提升机器人在复杂环境中的操作成功率,为机器人智能化发展提供重要技术突破。
苹果在iOS 26中推出全新游戏应用,为iPhone、iPad和Mac用户提供个性化的游戏中心。该应用包含五个主要版块:主页展示最近游戏和推荐内容,Arcade专区提供超过200款无广告游戏,好友功能显示Game Center动态并支持游戏挑战,资料库可浏览已安装游戏并提供筛选选项,搜索功能支持按类别浏览。iOS 26.2版本还增加了游戏手柄导航支持,为游戏玩家提供更便捷的操作体验。
英伟达研究团队提出GDPO方法,解决AI多目标训练中的"奖励信号坍缩"问题。该方法通过分别评估各技能再综合考量,避免了传统GRPO方法简单相加导致的信息丢失。在工具调用、数学推理、代码编程三大场景测试中,GDPO均显著优于传统方法,准确率提升最高达6.3%,且训练过程更稳定。该技术已开源并支持主流AI框架。