Google.Cloud.AIPlatform.V1 3.15.0版本发布:AI平台功能全面升级
Google.Cloud.AIPlatform.V1是Google Cloud AI平台服务的.NET客户端库,为开发者提供了访问Google AI基础设施的强大能力。本次3.15.0版本带来了多项重要更新,特别是在代码执行工具、特征视图服务账户、推理引擎等方面有显著增强。
核心功能增强
代码执行工具API开放
新版本首次向v1 API公开了代码执行工具功能。这一功能允许开发者在AI平台中直接执行代码片段,为模型训练、数据处理等场景提供了更直接的交互方式。通过此API,开发者可以构建更灵活的AI工作流,实现代码与AI服务的无缝集成。
特征视图服务账户支持
在特征视图(FeatureView)服务中,现在支持使用特定服务账户进行身份验证和授权。这一改进增强了安全性,允许更细粒度的权限控制。企业用户可以根据最小权限原则,为不同的特征视图操作配置不同的服务账户,实现更安全的访问管理。
多模态令牌计数分析
针对生成式AI API,新版本增加了按模态(token)细分的计数功能。开发者现在可以获取不同模态(如文本、图像等)的详细令牌使用情况统计。这对于成本优化和资源规划特别有价值,特别是在处理复杂的多模态AI模型时。
推理与运行时改进
推测性解码支持
在部署模型(DeployedModel)协议中新增了推测性解码(speculative decoding)规范。这项技术可以显著提高生成式模型的推理速度,通过预测可能的输出序列来减少计算延迟。对于需要实时响应的应用场景,如聊天机器人或内容生成服务,这一功能将带来明显的性能提升。
推理引擎正式发布
推理引擎(Reasoning Engine)v1版本的GAPIC正式发布。推理引擎为复杂逻辑推理任务提供了专用基础设施,特别适合需要多步推理或知识整合的AI应用。开发者现在可以利用这一功能构建更智能、更具逻辑性的AI解决方案。
笔记本运行时增强
笔记本运行时(NotebookRuntime)功能获得了多项硬件配置支持:
- 新增了machine_spec字段,允许指定运行时的机器规格
- 支持data_persistent_disk_spec,为数据存储提供持久化磁盘配置
- 网络规格(network_spec)支持,便于网络隔离和配置
- 增加了euc_config和shielded_vm_config,增强了安全性和合规性选项
同时,文档中也标注了一些即将废弃的功能,包括NotebookRuntimeTemplate中的is_default和服务账户相关字段,开发者应关注这些变化并适时调整代码。
工具配置增强
在ToolConfig v1中新增了retrieval_config配置项,为工具提供了更灵活的检索功能配置选项。这一改进使得开发者可以更精确地控制工具如何检索和使用外部数据,对于构建知识密集型AI应用特别有价值。
总结
Google.Cloud.AIPlatform.V1 3.15.0版本通过多项功能增强,进一步巩固了Google Cloud AI平台作为企业级AI解决方案的地位。从代码执行到推理优化,从多模态分析到安全配置,这些更新为开发者构建更强大、更高效的AI应用提供了坚实基础。特别是推理引擎的正式发布和推测性解码的支持,将显著提升生成式AI应用的性能和响应能力。开发者可以充分利用这些新功能,构建下一代智能应用。
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