Google Cloud Go SDK AI模块v0.11.0版本发布:增强生成式AI能力
Google Cloud Go SDK的AI模块近期发布了v0.11.0版本,为开发者提供了更强大的生成式AI功能支持。Google Cloud Go SDK是Google官方提供的Go语言客户端库,用于访问Google Cloud平台的各种服务,其中的AI模块专注于人工智能相关功能的集成。
核心功能增强
本次更新在生成式语言模型方面带来了多项重要改进:
-
新增CODE_RETRIEVAL_QUERY嵌入任务类型:开发者现在可以使用这种新的嵌入任务类型来处理代码检索查询,这对于代码搜索和代码理解应用场景特别有价值。
-
语音配置支持语言代码:在语音相关配置中新增了language_code字段,使得语音合成和识别可以更精确地指定目标语言。
-
Schema定义增强:Schema类型现在支持更多约束条件,包括最小值(minimum)、最大值(maximum)、任意匹配(any_of)、属性排序(property_ordering)、默认值(default)和空类型(null)。这些增强使得数据模型的定义更加灵活和精确。
生成配置优化
生成配置(GenerationConfig)得到了显著增强:
-
种子值支持:新增了seed字段,允许开发者设置随机种子,这对于需要可重复结果的场景非常有用,特别是在测试和调试阶段。
-
思维配置和媒体分辨率:新增了ThinkingConfig和MediaResolution支持,为生成过程提供更细粒度的控制。
-
多模态令牌计数:UsageMetadata响应现在支持ModalityTokenCounts,使开发者能够更详细地了解不同模态(如文本、图像等)的资源使用情况。
新模型支持
本次更新引入了对Veo模型的支持,Veo是Google最新推出的多模态生成模型,能够处理文本、图像等多种输入形式,为开发者构建复杂AI应用提供了更多可能性。
实时API支持
新增了对实时API的支持,这意味着开发者可以构建需要低延迟响应的交互式AI应用,如实时对话系统或即时内容生成工具。
总结
Google Cloud Go SDK AI模块v0.11.0版本的发布,显著增强了生成式AI的能力,特别是在代码处理、多模态支持和生成控制方面。这些改进使得开发者能够构建更强大、更灵活的AI应用,同时提供了更好的控制和可观测性。对于正在使用或考虑使用Google Cloud AI服务的Go开发者来说,这个版本值得关注和升级。
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
Spark-Prover-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。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
Spark-Formalizer-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