ChatGPT-MidJourney Proxy项目v2.23.5版本发布:新增Grok系列模型支持
ChatGPT-MidJourney Proxy是一个将ChatGPT与MidJourney AI绘画功能整合的创新项目,为用户提供了一站式的AI对话与图像生成体验。该项目通过中间服务的方式,让用户可以在同一个界面中无缝切换使用ChatGPT的文本生成能力和MidJourney的图像生成能力。
本次发布的v2.23.5版本带来了重要的模型更新,主要聚焦于新增对Grok系列模型的支持,以及GPT-4.5预览版的加入。这些更新显著扩展了项目的AI能力范围,为用户提供了更多选择。
新增Grok系列模型支持
v2.23.5版本引入了三种Grok系列模型,丰富了项目的模型生态:
-
grok-3:这是Grok系列的基础模型,具备强大的通用语言理解与生成能力,适合大多数对话场景。
-
grok-3-reasoner:专注于逻辑推理和问题解决的变体模型,在处理需要复杂推理的任务时表现更优。
-
grok-3-deepsearch:专为深度信息检索和知识挖掘优化的版本,在需要从大量信息中提取关键内容的场景下表现突出。
Grok系列模型由xAI公司开发,以其高效的推理能力和对复杂问题的处理能力著称。将这些模型整合到项目中,为用户提供了除OpenAI系列模型外的另一种选择,特别是在需要处理技术性内容或进行深度分析的场景中。
GPT-4.5预览版加入
除了Grok系列,本次更新还引入了GPT-4.5的两个预览版本:
-
gpt-4.5-preview-2025-02-27:特定日期的快照版本,适合需要稳定性的用户。
-
gpt-4.5-preview:最新的预览版本,包含OpenAI最新的改进和优化。
GPT-4.5作为GPT-4的升级版本,在多个方面有所提升,包括更长的上下文理解能力、更精准的回答以及更强的多模态处理能力。虽然目前仍处于预览阶段,但已经展现出比GPT-4更优异的性能。
技术实现与优化
在技术实现层面,v2.23.5版本保持了项目一贯的高标准:
-
多平台支持:提供了macOS的universal版本和Windows的x64安装包,确保不同操作系统用户都能获得良好的使用体验。
-
安装包多样性:除了常规的安装程序外,还提供了MSI安装包和NSIS打包的ZIP版本,满足企业部署和个人使用的不同需求。
-
签名验证:所有安装包都附带数字签名,确保下载文件的完整性和安全性。
使用建议
对于不同类型的用户,可以根据需求选择合适的模型:
-
普通对话场景:grok-3或gpt-4.5-preview都能提供出色的体验。
-
技术分析与研究:grok-3-reasoner和grok-3-deepsearch是更好的选择。
-
创意内容生成:结合MidJourney的绘画能力和GPT-4.5的语言能力,可以产生令人惊艳的创意作品。
ChatGPT-MidJourney Proxy项目的持续更新,展现了AI技术整合应用的巨大潜力。v2.23.5版本的发布,不仅扩展了模型选择,也为用户提供了更强大的AI能力组合,进一步模糊了文本生成与图像创作之间的界限。
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