pgAI 0.9.0版本发布:增强AI模型集成与数据处理能力
pgAI是一个PostgreSQL扩展项目,旨在为数据库系统提供人工智能功能集成。通过这个扩展,开发者可以直接在SQL查询中使用各种AI模型能力,如文本嵌入、对话生成等,而无需复杂的应用层集成。最新发布的0.9.0版本带来了多项重要改进和新功能,显著提升了系统的灵活性和功能性。
主要功能增强
OpenAI客户端配置参数重构
0.9.0版本对OpenAI客户端配置进行了重大重构,引入了更多配置参数选项。这一变化虽然属于破坏性更新,但为开发者提供了更细粒度的控制能力。现在,用户可以根据具体需求调整客户端行为,如设置超时时间、重试策略等,从而更好地适应不同网络环境和使用场景。
支持额外请求参数
新版本扩展了对OpenAI额外请求参数的支持。这意味着开发者现在可以在调用模型时传递更多定制化选项,如温度参数(temperature)、top_p采样等,从而更精确地控制模型输出结果。这一改进特别适用于需要特定生成风格或确定性的应用场景。
详细日志输出功能
新增的verbose标志位为模型调用提供了更详细的日志输出能力。当启用该选项时,系统会记录更全面的调用信息,包括请求参数、响应时间等关键指标。这对于调试复杂查询、性能优化以及审计目的都非常有价值。
数据处理能力提升
文本分块功能
0.9.0版本引入了专门的文本分块(chunking)功能。在处理长文本时,特别是生成嵌入向量时,合理的文本分块至关重要。新功能提供了多种分块策略,开发者可以根据内容特点和模型限制选择最适合的分块方式,确保AI模型能够有效处理输入数据。
原始响应输出选项
新增的原始响应输出功能允许开发者获取模型调用的完整响应数据,而不仅仅是处理后的结果。这为需要访问元数据或实现自定义后处理的场景提供了便利,增强了系统的灵活性和可扩展性。
关键问题修复
外键约束优化
针对嵌入表(embedding table)的外键约束进行了重要调整。新版本移除了直接的外键关系,改为通过触发器处理删除操作。这一改变使得源表主键更新成为可能,特别适用于不使用代理键(surrogate key)的设计方案,提高了数据库设计的灵活性。
主键类型支持扩展
通过使用format_type函数获取主键数据类型,系统现在能够支持更多类型的主键字段。这一改进消除了之前在某些数据类型上的限制,使扩展能够更好地适应多样化的数据库设计需求。
推理模型兼容性修复
修复了推理模型(o1, o3)在对话补全(chat completion)场景下的兼容性问题。现在这些模型可以正常用于对话式交互,扩展了模型选择的范围和应用场景。
总结
pgAI 0.9.0版本的发布标志着该项目在AI功能集成和数据处理能力上的重要进步。通过引入更灵活的配置选项、增强的数据处理功能和关键问题修复,这个PostgreSQL扩展为开发者提供了更强大、更可靠的AI集成解决方案。无论是需要精细控制模型行为,还是处理复杂的数据场景,新版本都提供了更好的支持,进一步巩固了pgAI在数据库AI集成领域的地位。
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