Google GenAI Python SDK v1.0.0 正式发布:功能增强与重大变更解析
Google GenAI Python SDK 是 Google 提供的生成式 AI 开发工具包,它简化了开发者与 Google 生成式 AI 模型的交互过程。本次发布的 v1.0.0 版本标志着该 SDK 已经趋于成熟,移除了实验性标签,并引入了多项重要功能和改进。
核心功能增强
自动函数调用支持
新版本在 generate_content_stream 和 send_message_stream 方法中全面支持了自动函数调用功能,包括同步和异步模式。这一改进使得开发者能够更自然地实现模型与外部函数的交互,大大提升了开发效率。
自动函数调用机制现在能够智能地处理历史对话内容,避免了冗余信息的重复传递,优化了交互流程。开发者需要注意,在使用 ANY 模式时,需要特别关注函数调用的处理方式。
响应模式增强
SDK 现在支持在 response_schema 中使用 Union 类型,这为开发者提供了更灵活的响应结构定义方式。不过需要注意的是,当前版本对某些特殊字段如 'default' 和 'anyof' 进行了限制,当检测到这些字段时会主动抛出错误,以避免潜在的兼容性问题。
重大变更与向后兼容性
本次发布包含一个重要的破坏性变更:移除了已被弃用的 deprecated_response_payload 字段。开发者需要检查自己的代码是否依赖此字段,并进行相应调整。
开发者体验优化
模型列表默认行为调整
现在调用模型列表接口时,默认返回基础模型而非调优模型,这一改变更符合大多数开发场景的需求。开发者如果需要获取调优模型列表,需要显式指定相关参数。
跨版本兼容性改进
针对不同 Python 版本的兼容性进行了多项优化:
- 特别处理了 Python 3.9 和 3.10 版本中 Pydantic 模型类型识别的问题
- 为 Python 3.13 移除了不兼容的测试用例,避免误报测试失败
- 增强了类型系统的健壮性
文档与示例更新
随着功能的稳定,官方文档移除了"实验性"的分类标签,反映了该 SDK 已进入生产就绪状态。同时更新了以下内容:
- 详细说明了如何通过 genai 客户端设置 API 版本
- 移除了不再适用的示例,更新了相关测试用例
- 完善了函数调用体验的说明文档
总结
Google GenAI Python SDK v1.0.0 的发布标志着该工具包进入了成熟阶段,提供了更稳定、更强大的生成式 AI 开发能力。开发者升级时需要注意破坏性变更,同时可以充分利用新引入的自动函数调用和增强的响应模式等特性来构建更智能的应用。
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-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
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