Google Cloud PHP 0.291.0版本发布:AI平台与数据服务能力升级
Google Cloud PHP客户端库发布了0.291.0版本,为开发者带来了多项重要更新,特别是在人工智能平台和数据服务方面有显著增强。作为Google Cloud官方提供的PHP客户端库,它让PHP开发者能够轻松集成Google Cloud的各种服务到自己的应用中。
AI平台功能扩展
本次更新中,AI Platform服务(v1)新增了对UrlContextMetadata API的暴露。这项功能为开发者提供了更丰富的URL上下文元数据处理能力,使得在构建AI应用时能够更好地理解和利用网页内容的相关信息。UrlContextMetadata可以包含网页的各种结构化数据,这对于训练机器学习模型或进行内容分析非常有价值。
Dataproc自动调优增强
Cloud Dataproc服务现在支持在自动调优配置中添加AUTO/NONE场景。这一改进让大数据处理集群的资源分配更加智能化:
- AUTO场景允许系统根据工作负载自动调整资源配置
- NONE场景则保持默认配置不变
这种灵活性特别适合那些工作负载变化较大的数据处理任务,开发者可以根据实际需求选择合适的调优策略,在性能和成本之间取得平衡。
Discovery Engine新增CMEK配置
Discovery Engine服务现在支持客户管理的加密密钥(CMEK)配置。CMEK让用户能够使用自己控制的加密密钥来保护存储在Discovery Engine中的数据,这对于需要满足严格合规要求的企业尤为重要。通过这项功能,企业可以确保其搜索和推荐系统中的数据加密完全符合内部安全策略。
Lustre存储服务更新
Cloud Lustre服务对现有字段per_unit_storage_throughput的行为进行了重要变更,现在该字段变为必填项。这一变更反映了存储吞吐量配置在Lustre文件系统中的重要性,开发者需要注意在创建或更新配置时提供此参数。
Secret Manager标签支持
Secret Manager服务现在支持为机密添加标签。标签功能为机密管理带来了更好的组织和分类能力:
- 可以按项目、环境或其他业务维度标记机密
- 便于批量管理和查找相关机密
- 增强了对大量机密的可管理性
Spanner变更流协议
Cloud Spanner新增了change_stream.proto协议支持,这为数据库变更捕获提供了标准化接口。开发者可以利用这一功能构建响应数据库变更的应用程序,实现实时数据同步或事件驱动架构。
升级建议
对于正在使用这些Google Cloud服务的PHP开发者,建议评估新功能是否能为现有应用带来价值。特别是那些需要增强数据安全性(CMEK)、改进大数据处理效率(自动调优)或实现实时数据同步(Spanner变更流)的场景,新版本提供了更强大的工具集。
升级时需要注意Lustre服务的必填字段变更,确保相关代码已做相应调整。对于新项目,则可以直接利用这些最新功能构建更安全、高效的云应用。
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-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