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。
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。Python00
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
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出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Jinja00
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00