Ax-LLM项目10.0.39版本发布:增强Google Vertex API支持
项目概述
Ax-LLM是一个专注于大型语言模型(LLM)集成与应用的开源项目,旨在为开发者提供便捷的API接口和工具,简化各类LLM模型的接入和使用流程。该项目支持多种主流语言模型服务,包括OpenAI、Anthropic等,并持续扩展对其他云服务商LLM能力的支持。
版本核心更新
本次发布的10.0.39版本主要围绕Google Vertex AI服务的集成进行了功能增强和问题修复,体现了项目对多云LLM服务支持的持续投入。
Google Vertex API认证支持
开发团队在本次更新中为Google Vertex API添加了完整的认证机制。这一改进使得开发者能够安全地通过Ax-LLM项目调用Google Vertex AI服务,而无需自行处理复杂的认证流程。认证机制的实现采用了Google Cloud的标准认证协议,确保了API调用的安全性和可靠性。
新型嵌入模型支持
版本新增了对Google最新发布的text-embedding-005模型的支持。text-embedding-005是Google推出的新一代文本嵌入模型,相比前代产品在语义理解能力和向量表示质量上都有显著提升。通过Ax-LLM项目,开发者现在可以便捷地使用这一先进模型进行文本嵌入操作,为语义搜索、推荐系统等应用场景提供更强大的支持。
关键问题修复
本次发布还包含了一个重要的错误修复,解决了在Google Vertex API上进行嵌入请求时出现的问题。该修复确保了嵌入操作在各种使用场景下的稳定性和正确性,特别是处理大批量文本数据时的可靠性得到了显著提升。
技术意义与应用价值
这一版本的发布进一步丰富了Ax-LLM项目的多云支持能力,特别是对Google Cloud AI服务的深度集成。对于企业用户而言,这意味着可以在统一的接口规范下灵活选择不同云服务商的LLM能力,避免供应商锁定风险。同时,新增的text-embedding-005模型支持为需要高质量文本表示的应用场景提供了新的选择。
对于开发者社区,这些改进简化了复杂AI服务的接入流程,降低了技术门槛,使得更多开发者能够专注于应用逻辑的实现而非底层服务的对接细节。项目持续的功能增强也展现了开源社区在推动AI技术普及方面的积极作用。
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-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