ChatGPT MD 2.5.1-beta 版本发布:全面支持Google Gemini模型
ChatGPT MD 是一个基于Markdown的AI对话插件,它允许用户在Markdown文件中直接与多种AI模型进行交互。该插件支持多种AI服务提供商,包括OpenAI、Anthropic、Ollama等,为用户提供了一个统一的界面来管理AI对话。
最新发布的2.5.1-beta版本为ChatGPT MD带来了重大更新——全面支持Google的Gemini系列模型。这一更新使得用户可以在Markdown环境中无缝使用Google最新的AI技术。
Google Gemini集成详解
模型支持与特性
新版本完整集成了Google AI Studio的Gemini API,支持所有可用的Gemini模型,包括:
- gemini-1.5-pro:Google最新的高性能模型
- gemini-1.5-flash:轻量级但响应迅速的模型
- gemini-pro:标准专业版模型
与其他AI服务不同,Gemini模型在ChatGPT MD中实现了真正的实时流式响应,用户可以即时看到模型生成的内容,而无需等待完整响应。
配置与使用
集成Gemini模型非常简单,用户只需在插件设置中添加Google AI Studio的API密钥即可。插件提供了专用的API密钥和URL配置字段,支持企业级部署场景。
使用Gemini模型时,可以采用两种方式指定模型:
- 在Markdown文件的前言部分使用
gemini@model-name格式明确指定 - 让插件根据上下文自动检测并选择合适的Gemini模型
自动标题生成
新版本还引入了基于Gemini模型的自动对话标题生成功能。当用户开始新的对话时,插件会利用Gemini模型分析对话内容并自动生成一个简洁明了的标题,提升对话管理的效率。
技术架构与实现
为了实现Gemini支持,开发团队遵循了插件现有的服务架构模式,确保了新功能与现有系统的无缝集成。这种架构设计使得添加新的AI服务变得标准化和模块化,为未来可能集成的其他AI服务奠定了基础。
Gemini服务的实现特别注意了以下几点:
- 保持与其他AI服务一致的API调用模式
- 实现完整的错误处理机制
- 确保流式响应的高效处理
- 维护统一的设置界面
开发者资源
对于希望扩展插件功能的开发者,新版本提供了详细的架构文档,解释了如何实现新的AI服务。文档中包含了服务注册、模型检测、API调用和响应处理等关键环节的实现指南。
开发者可以基于Gemini服务的实现模式,快速集成其他AI服务,同时保持插件整体的一致性和稳定性。
兼容性与未来发展
Gemini服务的加入不影响现有AI服务的功能,用户可以同时使用OpenAI、Anthropic、Ollama和Gemini等多种AI服务。插件会根据模型名称和API URL自动检测应该使用的服务。
未来版本可能会进一步优化Gemini模型的使用体验,包括更精细的模型参数控制、增强的错误恢复机制以及更智能的模型自动选择功能。
总结
ChatGPT MD 2.5.1-beta版本的发布,标志着这个Markdown AI对话插件进入了多模型支持的新阶段。Google Gemini的加入为用户提供了更多选择,特别是在需要Google最新AI技术的场景下。这一更新不仅丰富了功能,也展示了插件架构的灵活性和可扩展性,为未来的发展奠定了坚实基础。
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