Google Cloud Go BigQuery 1.67.0版本发布:新增Gemini支持与DR状态监控
Google Cloud Go是Google官方提供的Go语言SDK,用于访问各种Google云服务。其中的BigQuery组件提供了对Google BigQuery数据仓库服务的完整访问能力。BigQuery作为Google Cloud上的无服务器数据仓库,能够处理PB级数据并提供强大的分析能力。
最新发布的1.67.0版本为BigQuery组件带来了多项重要更新,主要集中在资源预留和外部数据配置方面。这些更新不仅增强了功能,还改进了系统的可靠性和监控能力。
新增Gemini in BigQuery支持
本次更新在Assignment资源中新增了enable_gemini_in_bigquery字段。这个布尔值字段用于指示是否启用"Gemini in BigQuery"功能。Gemini是Google最新推出的大型语言模型,将其集成到BigQuery中意味着用户可以直接在SQL查询中使用自然语言处理能力。
这一集成将使得数据分析师能够:
- 直接在BigQuery中执行文本分析
- 使用自然语言生成SQL查询
- 在数据仓库中实现更智能的数据处理流程
灾难恢复(DR)复制状态监控
新版本在Reservation资源中增加了replication_status字段,用于提供灾难恢复(DR)复制过程中的错误可见性。这个字段对于企业级用户尤为重要,它能够:
- 实时监控跨区域数据复制的状态
- 及时发现并解决复制过程中的问题
- 确保业务连续性计划的可靠性
系统管理员现在可以通过这个字段快速了解DR复制是否正常进行,或者在出现问题时迅速定位原因。
支持连续SQL作业类型
Assignment.JobType枚举新增了CONTINUOUS类型,专门用于连续SQL作业。连续SQL作业是BigQuery中的一种特殊作业类型,它能够:
- 持续处理数据流
- 实时更新分析结果
- 适用于需要近实时分析的场景
这种作业类型特别适合监控系统、实时仪表盘和事件驱动的分析应用。
外部数据配置增强
新版本为ExternalDataConfig添加了对MetadataCacheMode的支持。MetadataCacheMode控制着外部数据源的元数据缓存行为,可以帮助:
- 优化查询性能
- 减少元数据获取的开销
- 在频繁查询相同外部数据时提高效率
这一改进对于大量使用外部数据源的用户特别有价值,可以显著减少重复获取相同元数据的网络开销。
其他改进与修复
除了上述主要功能外,本次更新还包括:
- 移除了Reservation中关于
EDITION_UNSPECIFIED的文档说明,使slot_capacity字段的行为更加清晰 - 明确了
primary_location和original_primary_location字段为只读(OUTPUT_ONLY)属性 - 提高了存储API测试的超时时间,增强了测试稳定性
- 更新了依赖的golang.org/x/net包到0.37.0版本,修复潜在安全问题
这些更新共同提升了BigQuery Go SDK的稳定性、功能性和用户体验,使开发者能够更高效地构建基于BigQuery的数据分析应用。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00