RisuAI v148.0.0 版本发布:新增多款大模型支持与功能优化
RisuAI 是一个专注于人工智能对话系统的开源项目,旨在为用户提供高效、灵活的AI对话体验。该项目持续集成前沿的大语言模型技术,并通过友好的用户界面和丰富的功能特性,让开发者与普通用户都能轻松构建智能对话应用。
本次发布的 v148.0.0 版本带来了多项重要更新,主要包括新增多款大语言模型支持、界面优化以及插件API增强。这些改进进一步扩展了RisuAI的能力边界,为用户提供了更多选择和更好的使用体验。
新增模型支持
Gemini系列模型
RisuAI v148.0.0 版本新增了对Google Gemini系列模型的支持,包括:
- Gemini Flash 2.0 - Google推出的轻量级高效模型,适合需要快速响应的应用场景
- Gemini Pro 2.0 Exp 0128 - 专业版模型的实验性版本,具备更强的理解与生成能力
- Gemini Flash 2.0 Thinking 0121 - 特别优化的思考型版本,适合需要深度推理的任务
这些Gemini模型的加入为用户提供了来自Google的先进AI能力选择。
Deepseek模型扩展
除了原有支持外,本次更新新增了两款Deepseek模型:
- Deepseek Chat - 专为对话场景优化的版本
- Deepseek Reasoner - 强化了逻辑推理能力的版本
这些模型特别适合需要中文理解和复杂推理的应用场景。
Deepinfra平台支持
v148.0.0 版本新增了对Deepinfra平台的支持,并集成了该平台上的多款前沿模型,包括:
- Deepseek系列:DeepSeek-R1、DeepSeek-R1-Distill-Llama-70B、DeepSeek-V3等
- Meta Llama系列:多款不同规模的Llama 3.x版本
- 其他优秀模型:如Microsoft的Phi-4、Qwen系列、Yi-34B-Chat等
这些模型的加入极大地丰富了RisuAI的能力谱系,用户可以根据具体需求选择最适合的模型。
功能优化与修复
界面体验改进
修复了HypaV3主题下的滚动问题(#731),提升了用户在使用过程中的流畅度。界面优化是持续进行的工作,确保用户在各种主题下都能获得一致的良好体验。
插件API增强
新增了setArg()插件API(#729),这一功能允许插件更灵活地设置和修改参数,为开发者提供了更大的自定义空间。API的持续增强使得RisuAI的扩展性不断提升,方便开发者构建更复杂的应用场景。
技术实现与架构
从发布包来看,RisuAI提供了全面的跨平台支持,包括:
- Windows平台:提供标准的exe安装包和MSI安装包
- Linux平台:支持DEB、RPM包以及AppImage格式
- macOS平台:提供DMG安装包和tar.gz压缩包
这种全面的打包策略体现了项目对多平台支持的重视,确保不同操作系统的用户都能方便地安装和使用。
签名文件(.sig)的提供也展示了项目对安全性的关注,用户可以通过验证签名确保下载的安装包未被篡改。
总结
RisuAI v148.0.0版本通过新增多款前沿大语言模型支持,显著扩展了其AI能力范围。特别是对Deepinfra平台的集成,为用户提供了更多模型选择。同时,界面优化和API增强进一步提升了用户体验和开发灵活性。
对于AI应用开发者而言,这些更新意味着更丰富的模型选择和更强的定制能力;对于终端用户,则能体验到更流畅的交互和更强大的AI能力。RisuAI持续的技术演进使其在开源AI对话系统领域保持着竞争力。
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