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。
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