Google Cloud Java 1.56.0版本发布:AI平台增强与安全特性升级
Google Cloud Java SDK 1.56.0版本带来了多项重要更新,特别是在人工智能平台(AI Platform)功能增强、安全特性改进以及云存储管理方面。作为Google Cloud服务的官方Java客户端库,这个版本继续扩展了开发者与Google Cloud服务交互的能力。
AI平台功能显著增强
本次更新中,AI Platform获得了多项重要改进:
-
系统标签支持:在
DeployRequest消息中新增了system_labels字段,允许开发者为部署的资源添加系统级标签,便于资源管理和分类。 -
Gemini模型请求配置:为
AssembleDataRequest和AssessDataRequest添加了gemini_request_read_config字段,提供了对Gemini模型请求更精细的控制能力。 -
上下文缓存加密:现在允许客户为上下文缓存设置加密规范(
encryption_spec),增强了数据处理过程中的安全性。 -
LLM解析器公开:将LLM解析器暴露给公共v1协议,为即将到来的GA(General Availability)发布做准备。
-
Schema定义增强:在
Schema消息中新增了ref和defs字段,为数据结构定义提供了更丰富的表达能力。
安全与合规特性提升
-
Model Armor支持:新增了对PHP和C# SDK的支持,扩展了Model Armor的跨语言能力,为模型部署提供更强的安全防护。
-
Secrets管理:Grafeas服务现在支持Secrets管理,为敏感信息存储和访问提供了专门的支持。
-
Harm类别调整:弃用了
HARM_CATEGORY_CIVIC_INTEGRITY选举类别,反映了Google对内容安全分类的持续优化。
存储与数据处理改进
-
NetApp备份区域信息:在备份
Backup消息中添加了volume_region和backup_region字段,提供了更详细的备份位置信息。 -
TTS标记输入支持:为Cloud TTS Chirp 3 HD语音合成添加了标记输入支持,提升了文本到语音转换的灵活性。
-
数据流服务调整:从
JobsV1Beta3服务中移除了https://www.googleapis.com/auth/compute.readonly的oauth_scope,这是对服务权限模型的优化。
IAM服务升级
-
IAM v3库生成:新增了对IAM v3版本库的支持,提供了最新的身份和访问管理功能。
-
IAM v3beta库生成:同时生成了v3beta版本的库,为开发者提供了试用新特性的机会。
其他重要变更
-
自定义表情创建:在Chat服务中添加了
customEmojis.create方法,支持创建自定义表情符号。 -
合作伙伴客户管理:Cloud Controls Partner服务现在允许合作伙伴创建、更新和删除他们的客户信息。
-
PSC连接ID行为变更:在ValKey服务中,对
psc_connection_id字段的行为进行了调整,优化了私有服务连接的管理。
开发者体验优化
-
文档改进:多个服务的文档得到了更新和优化,包括URL修正、注释澄清和术语修正,提升了开发者的使用体验。
-
依赖更新:Java代码生成器(gapic-generator-java)更新至2.56.3版本,包含了最新的代码生成优化。
-
测试支持增强:包含了gax testlib用于原生镜像测试,改进了库的测试覆盖率。
这个版本的发布进一步丰富了Google Cloud Java SDK的功能集,特别是在人工智能、安全合规和存储管理方面提供了更多高级特性,同时通过文档和测试的改进提升了开发者的使用体验。
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