Google Cloud Go SDK 1.80.0版本发布:增强AI平台功能
Google Cloud Go SDK是Google官方提供的Go语言客户端库,用于访问Google Cloud Platform的各种服务。作为Google云服务的官方接口,它让开发者能够用Go语言轻松集成和使用Google Cloud的强大功能。最新发布的1.80.0版本为AI平台(Vertex AI)带来了多项重要更新,进一步提升了AI开发体验。
多模态数据集评估功能增强
本次更新在多模态数据集RPCs中增加了批量预测评估功能。这一改进使得开发者能够更高效地对大规模多模态数据集进行预测质量评估。多模态数据通常包含文本、图像、音频等多种数据类型,在AI模型训练和评估中扮演着重要角色。
批量预测评估功能的加入意味着开发者现在可以:
- 一次性评估多个预测结果
- 更全面地分析模型在不同数据类型上的表现
- 更高效地处理大规模数据集
- 获得更全面的模型性能指标
新增示例存储服务原型
1.80.0版本引入了example、example_store和example_store_service原型定义。这些新原型为AI平台提供了更完善的示例管理能力,具体包括:
- 示例(example)原型的定义,用于表示单个训练或测试示例
- 示例存储(example_store)原型的定义,用于管理示例集合
- 示例存储服务(example_store_service)原型的定义,提供对示例存储的操作接口
这些新功能特别适用于需要管理和重用训练示例的场景,如few-shot学习、迁移学习等高级AI应用。
会话管理功能引入
新版本增加了session.proto和session_service.proto定义,为AI平台带来了会话管理能力。会话在AI应用中非常重要,特别是在需要保持上下文连续性的场景,如对话系统、交互式应用等。
通过新的会话管理功能,开发者可以:
- 创建和管理AI会话
- 维护会话状态和上下文
- 实现更自然的交互式AI体验
- 构建需要长期记忆的AI应用
Vertex AI Search引擎支持
1.80.0版本增加了对Vertex AI Search引擎的支持。Vertex AI Search是Google提供的企业级搜索解决方案,能够处理结构化和非结构化数据,提供高质量的搜索结果。
新功能使开发者能够:
- 集成强大的AI搜索能力到应用中
- 处理复杂的搜索查询
- 获得语义理解增强的搜索结果
- 构建更智能的信息检索系统
推理引擎强制删除功能
在推理引擎(ReasoningEngine)中新增了强制删除选项。这一功能解决了在某些情况下无法正常删除推理引擎的问题,为资源管理提供了更强的控制能力。
强制删除功能特别适用于:
- 清理测试环境
- 处理异常状态的推理引擎
- 自动化资源管理流程
- 确保资源释放的可靠性
总结
Google Cloud Go SDK 1.80.0版本为AI平台带来了多项重要更新,从多模态数据处理到会话管理,再到搜索集成,全方位提升了AI开发的能力和效率。这些新功能不仅增强了现有服务的深度,也扩展了应用场景的广度,使开发者能够构建更强大、更智能的AI应用。对于正在使用或考虑使用Google Cloud AI服务的开发者来说,这一版本值得关注和升级。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00