GPUStack v0.5的模型Catalog和图生图功能，是不是多维优化后提升了产品能力和使用体验？

GPUStack 是一个专为运行 AI 模型设计的开源 GPU 集群管理器，致力于支持基于任何品牌的异构 GPU 构建统一管理的算力集群。无论这些 GPU 运行在 Apple Mac、Windows PC 还是 Linux 服务器上，GPUStack 都能将它们纳入统一的算力集群中。管理员可以轻松地从 Hugging Face 等流行的模型仓库中部署 AI 模型，开发人员则能够通过 OpenAI 兼容的 API 访问这些私有模型服务，就像使用 OpenAI 或 Microsoft Azure 提供的公共模型服务 API 一样便捷。 GPUStack 一直致力于以最简单易用的方式，帮助用户快速纳管异构 GPU 资源并运行所需的 AI 模型，从而支撑 RAG、AI Agents 以及其他生成式 AI 落地场景。为用户打造绝佳的使用体验是我们始终坚持的目标。在最新发布的 v0.5 版本以及接下来的版本中，我们将全方位强化和改善整体的用户体验。 GPUStack v0.5 版本的核心更新包括： 新增模型 Catalog：提供经过验证的模型集合，简化模型部署流程，大幅降低用户的认知负担，提升部署效率。 增强 Windows 和 macOS 模型支持：将 VLM 多模态模型支持和 Tool Calling 能力扩展到 Windows 和 macOS 平台，不再局限于 Linux 环境。 支持图生图功能：为 Image 模型新增图生图（图像编辑）功能，同时提供对应的 API 和 Playground UI，支持更丰富的应用场景。 模型管理优化：新增模型启动检查功能、支持模型的停止和启动操作，还有支持对无法自动识别的模型进行手动分类，便于分类和使用。 调度优化：优化自动调度优先级，将分布式推理的优先级调整至高于 CPU 推理。还增强了手动调度选卡功能，支持选择多卡，包括单机多卡（vLLM）和多机多卡（llama-box），资源分配更加自由。 扩展集成能力：增加了 AMD GPU 支持，为 Dify 的 GPUStack Provider 添加了 STT 和 TTS 语音模型支持。还提供了 RAGFlow 的 GPUStack Provider，修复了与 FastGPT 集成的问题。 这一版本包含 60 多项增强、修复、稳定性改进和用户体验优化，全面提升了 GPUStack 的易用性与功能，为用户提供更强大的应用场景支持。 有关 GPUStack 的详细信息，可以访问： GitHub 仓库地址: https://github.com/gpustack/gpustack GPUStack 用户文档: https://docs.gpustack.ai 重点特性介绍 新增模型 Catalog GPUStack 支持直接从 Hugging Face 和 ModelScope 的公共模型仓库中搜索模型并进行部署。结合自定义推理引擎版本的功能，用户无需升级 GPUStack 就能随时部署体验新发布的前沿模型。 这种模式可能会给一些新上手的用户带来额外的负担。Hugging Face 和 ModelScope 上有多种多样的模型，用户往往难以确定该选择哪个模型进行部署。为改善用户的部署体验，GPUStack 在 v0.5 版本中新增了模型 Catalog。在 Catalog 中，我们提供了一组经过验证的模型，并对部署流程进行了简化，从而大幅降低用户在部署模型时的认知负担： 聚合同类模型为一个模型族，用户可以根据自身需求选择模型族进行部署，权重大小、量化精度等配置作为可选项，进一步简化模型部署流程。 无需用户手动选择下载源，GPUStack 会根据 Hugging Face 和 ModelScope 的下载速度自动选择最优下载源。 提供预置参数配置，对于运行模型所需的各种配置参数，GPUStack 会针对每个模型按需预设运行参数。例如，针对支持 Tool Calling 的模型，自动配置启用 Tool Calling 的相关参数。 在接下来的 v0.6 及后续版本中，GPUStack 将持续增强和优化 Catalog，提升模型部署的效率和成功率。通过减少用户的试错环节，帮助用户更加省时、省力、省心地完成所需模型的部署。 增强 Windows 和 macOS 模型支持 在此前的版本中，VLM 多模态模型和模型 Tool Calling 能力的支持依赖于 vLLM 后端，因此仅限于 Linux 环境。为了覆盖更多场景和环境，满足 Windows 和 macOS 用户的需求，我们对 llama-box 后端进行了增强。