Page-Assist项目v1.4.5版本发布:增强AI助手功能与搜索引擎支持
Page-Assist是一款基于浏览器扩展的AI助手工具,它能够为用户提供智能化的网页浏览体验。该工具集成了多种AI模型,可以帮助用户进行内容理解、信息检索以及语音交互等操作。最新发布的v1.4.5版本带来了一系列功能优化和问题修复,进一步提升了用户体验。
Gemini模型检索优化
本次更新重点修复了Gemini模型的检索问题。Gemini是谷歌开发的一系列先进AI模型,包括文本、多模态等多种类型。Page-Assist通过优化模型检索机制,确保了Gemini模型能够被正确识别和调用。这一改进使得用户在使用Gemini系列模型时能够获得更稳定、更高效的AI辅助体验。
新增百度搜索引擎支持
v1.4.5版本新增了对百度搜索引擎的支持。这一功能扩展意味着用户现在可以在Page-Assist中选择百度作为默认搜索引擎,满足不同地区用户的搜索习惯需求。百度作为中文互联网的重要搜索引擎,其加入大大提升了工具在中国用户群体中的实用性。
语音交互体验改进
在语音交互方面,开发团队移除了TTS(文本转语音)输出中的推理标签。这些标签原本用于标识AI的思考过程,但在语音输出时会影响听觉体验。通过这一优化,用户现在能够听到更加自然流畅的语音反馈,提升了语音交互的整体质量。
互联网搜索403问题修复
本次更新还解决了用户在使用互联网搜索功能时遇到的403错误问题。403错误通常表示服务器拒绝访问请求,这一修复确保了搜索功能的稳定性和可靠性,用户现在可以无障碍地使用Page-Assist进行网络信息检索。
跨浏览器兼容性
Page-Assist v1.4.5继续保持了良好的跨浏览器兼容性,同时提供了针对Chrome和Firefox的专门版本。两个版本的体积都控制在6MB左右,确保了轻量级的安装体验,同时又能提供强大的功能支持。
这一系列的更新和改进展现了Page-Assist团队对用户体验的持续关注。从AI模型支持到搜索引擎扩展,再到交互细节的优化,v1.4.5版本在多个维度上提升了工具的实用性和易用性,为用户提供了更加完善的智能浏览辅助体验。
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