PGAI项目新增Google Gemini支持:多模型AI能力扩展
在人工智能技术快速发展的今天,多模型支持已成为AI基础设施的重要能力。PGAI项目作为PostgreSQL生态中的AI扩展工具,近期通过集成liteLLM实现了对Google Gemini模型的支持,这标志着该项目在多模型AI能力上的重要进展。
Google Gemini是Google推出的新一代AI模型系列,包括多种规模的模型版本,如Gemini 1.5 Flash等。Gemini不仅提供原生接口,还兼容常见API规范,这使得集成工作可以更加标准化。PGAI项目通过liteLLM这一统一接口层,实现了对Gemini模型的调用能力。
在实际应用中,开发者现在可以通过PGAI的vectorizer功能直接使用Gemini的文本嵌入模型。例如,使用"gemini/text-embedding-004"模型创建向量化器时,只需指定模型名称和API密钥即可。这种设计保持了PGAI一贯的简洁接口风格,同时扩展了模型选择范围。
从技术实现角度看,这一功能通过liteLLM的适配层完成。liteLLM作为一个统一的LLM调用接口,抽象了不同模型提供商的API差异,使得PGAI可以以一致的方式支持多种模型。开发者无需关心底层接口的具体实现细节,只需通过配置模型名称和必要的认证信息即可切换不同模型。
值得注意的是,虽然当前版本已经合并了liteLLM支持,但相关文档和测试仍在完善中。对于希望立即使用这一功能的开发者,可以从源代码构建扩展。这种迭代式开发模式在开源项目中常见,既保证了功能的快速交付,又确保了最终版本的稳定性。
PGAI对Gemini的支持不仅丰富了模型选择,更重要的是展示了该项目作为PostgreSQL生态中AI能力桥梁的定位。随着多模型支持的不断完善,PGAI有望成为数据库内AI应用开发的首选工具之一,为开发者提供更灵活、更强大的AI能力集成方案。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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