Azure.AI.Projects 1.0.0-beta.6 版本发布:增强搜索能力与流式场景支持
Azure.AI.Projects 是微软 Azure 平台上的一个重要人工智能开发框架,它为开发者提供了构建和部署 AI 解决方案所需的工具和组件。该框架特别注重于简化 AI 应用的开发流程,使开发者能够更高效地实现各种人工智能功能。
最新发布的 1.0.0-beta.6 版本带来了一些重要的功能增强和改进,特别是在搜索功能和流式处理场景方面。这个预发布版本展示了微软在 AI 开发工具领域持续创新的承诺,为开发者提供了更强大的工具来构建下一代智能应用。
新增搜索类型支持
在这个版本中,开发团队为 AISearchIndexResource 添加了 QueryType 参数。这一改进允许代理执行不同类型的搜索操作,大大增强了搜索功能的灵活性。开发者现在可以根据具体需求选择最适合的搜索类型,从而获得更精确的搜索结果。
这一特性特别适用于构建复杂搜索场景的应用,例如需要结合多种搜索策略的知识库系统或智能问答平台。通过提供更细粒度的搜索控制,开发者能够优化搜索性能并提升用户体验。
流式场景下的 Azure AI 搜索支持
1.0.0-beta.6 版本还解决了 Azure AI 搜索在流式场景中的问题,并新增了相应的示例代码。流式处理是现代应用开发中的重要模式,特别是在处理实时数据或需要即时反馈的场景中。
新增的示例代码展示了如何在流式环境中有效使用 Azure AI 搜索功能,为开发者提供了实用的参考实现。这一改进使得开发者能够更容易地构建需要实时搜索能力的应用,如聊天机器人、实时数据分析仪表板等。
重要变更与改进
本次版本包含了一个重要的命名变更:MicrosoftFabricToolDefinition 构造函数的参数从 fabricAiskill 更名为 fabricDataagent。这种命名上的调整反映了微软对产品功能定位的优化,使 API 更加直观和一致。
此外,开发团队还对示例代码进行了清理和优化,移除了不必要的代码,并为每个示例添加了详细的文档说明。这些改进显著提升了开发者的使用体验,使得新用户能够更快地上手和理解框架的使用方法。
总结
Azure.AI.Projects 1.0.0-beta.6 版本通过增强搜索功能和改进流式处理支持,为开发者提供了更强大的工具来构建现代 AI 应用。这些改进不仅提升了框架的功能性,也改善了开发体验,使得构建复杂的 AI 解决方案变得更加高效和直观。
对于正在使用或考虑使用 Azure AI 服务的开发者来说,这个版本值得关注和评估。它展示了微软在 AI 开发工具领域的持续投入和创新,为构建下一代智能应用奠定了坚实的基础。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
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