Google Cloud Go SDK AI Platform v1.90.0版本发布解析
Google Cloud Go SDK中的AI Platform组件发布了v1.90.0版本,这个版本为开发者带来了多项重要功能增强和优化。AI Platform作为Google Cloud提供的机器学习服务平台,帮助开发者轻松构建、部署和管理机器学习模型。
核心功能更新
思维链(Chain-of-Thought)增强
本次更新在GenerationConfig.ThinkingConfig消息中新增了include_thoughts字段,同时在Part消息中增加了thought和thought_signature两个字段。这些新增字段为开发者提供了更强大的思维链控制能力:
- include_thoughts:允许开发者配置是否在生成过程中包含思维链信息
- thought:可以记录模型在生成内容时的中间思考过程
- thought_signature:为思维内容提供验证机制
这些功能特别适用于需要理解模型推理过程的场景,如复杂问题解答、多步推理任务等。
JSON Schema支持
v1.90.0版本为结构化输出和函数声明添加了JSON Schema支持。这一改进使得开发者能够:
- 更精确地定义和验证模型输出的数据结构
- 在函数调用场景下提供更严格的参数校验
- 提高API交互的可靠性和一致性
JSON Schema的引入将显著提升开发者在处理复杂数据结构时的体验,特别是在需要严格类型检查的场景下。
私有服务连接(PSC)配置扩展
新版本在多个关键组件中增加了psc_interface_config配置支持:
- CustomJobSpec
- PersistentResource
- PipelineJob
同时新增了network_attachment字段到PscInterfaceConfig中。这些增强使得AI Platform能够更好地与Google Cloud的私有服务连接(Private Service Connect)集成,为企业用户提供更安全、隔离的机器学习工作环境。
API功能扩展
URL Context API公开
v1.90.0版本将URL Context API正式公开到v1和v1beta1版本中。这项功能允许开发者:
- 在模型调用中提供URL上下文信息
- 实现基于网页内容的增强型AI应用
- 构建能够理解和处理网页信息的智能系统
技术优化与修复
本次发布包含了一个重要的gRPC服务注册函数升级修复,解决了服务注册过程中的潜在问题,提高了系统的稳定性和可靠性。
文档改进
文档方面特别说明了thought字段现在可以作为输入设置,为开发者提供了更灵活的使用方式。这一说明帮助开发者更好地理解如何利用思维链功能来增强应用能力。
总结
Google Cloud Go SDK AI Platform v1.90.0版本通过思维链增强、JSON Schema支持和私有服务连接配置扩展等多项改进,进一步提升了开发者在构建AI应用时的灵活性和控制力。这些更新特别适合需要精细控制模型行为、重视数据安全性和需要理解模型推理过程的高级应用场景。
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