OpenAI-Kotlin 4.0.0版本发布:全面拥抱Kotlin 2.0与WasmJs支持
OpenAI-Kotlin是一个基于Kotlin语言开发的OpenAI API客户端库,它为开发者提供了便捷的方式来访问OpenAI的各种人工智能服务。该项目遵循OpenAI API的更新,同时充分利用Kotlin语言的特性,为开发者提供类型安全、协程友好的API调用体验。
重大更新:Kotlin 2.0与Ktor 3.0迁移
本次4.0.0版本最核心的变化是全面升级至Kotlin 2.0和Ktor 3.0。这一升级带来了多项性能改进和新特性支持:
-
Kotlin 2.0:引入了更快的编译器、改进的类型推断系统以及更高效的代码生成。特别是对于协程的支持更加完善,这对于需要大量异步操作的AI API调用尤为重要。
-
Ktor 3.0:作为Kotlin生态中的HTTP客户端/服务器框架,3.0版本带来了更简洁的API设计和性能提升。在OpenAI-Kotlin中,这意味着网络请求处理更加高效稳定。
-
okio到kotlinx.io的迁移:这是一个重要的底层变更,kotlinx.io是JetBrains官方推出的I/O库,与Kotlin生态集成更紧密,提供了更符合Kotlin习惯的API。
新增WasmJs目标支持
4.0.0版本新增了对WasmJs编译目标的支持,这是一个重大特性扩展:
- 开发者现在可以将OpenAI-Kotlin编译为WebAssembly,在浏览器环境中直接运行
- 这意味着前端开发者可以在JavaScript环境中无缝使用Kotlin代码调用OpenAI API
- 结合Kotlin/Wasm的特性,可以获得接近原生性能的AI功能集成
助手与聊天功能增强
本次更新对助手(Assistant)和聊天(Chat)功能进行了多项改进:
-
结构化响应支持:现在助手API可以返回结构化数据,而不仅仅是文本。这使得处理复杂响应更加方便,开发者可以直接获取格式化后的JSON数据。
-
ChatCompletionRequest改为数据类:这一变更使得创建聊天完成请求更加简洁,可以利用Kotlin数据类的特性如复制修改等。
-
助手流式支持:新增了流式处理能力,对于长文本生成场景,可以实现逐块接收响应,提升用户体验。
运行工具调用改进
文件搜索工具调用(file search tool calls)现在得到了更好的支持。这一改进主要影响:
- 开发者可以更便捷地实现基于文件内容的AI问答功能
- 文件处理流程更加标准化,与OpenAI官方API保持同步
- 错误处理和类型安全得到增强
升级建议与兼容性说明
由于本次更新包含多项重大变更,开发者在升级时需要注意:
- Kotlin 2.0要求项目同步升级构建工具和插件版本
- okio到kotlinx.io的迁移可能需要修改部分I/O相关代码
- 新加入的WasmJs支持需要配置相应的编译目标
- 结构化响应等新特性需要调整现有代码以适应新的API设计
总体而言,4.0.0版本标志着OpenAI-Kotlin进入了一个更加成熟、功能更全面的阶段,特别是对现代Web开发和结构化数据处理的支持,使得它成为Kotlin开发者接入OpenAI服务的首选工具。
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