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。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00