Genkit JS 1.3.0 发布:增强AI模型支持与工具调用能力
Genkit是一个由Firebase团队开发的JavaScript工具库,旨在简化AI模型集成与开发流程。它为开发者提供了统一的API接口,可以轻松连接各种主流AI服务,如Google AI、Vertex AI等,同时内置了数据检索、工具调用等实用功能。
图像生成功能扩展
本次1.3.0版本最显著的改进之一是增加了对Google AI原生图像生成的支持。开发者现在可以直接通过Genkit调用Google AI的图像生成能力,无需自行处理复杂的API集成。这一功能扩展使得Genkit在多媒体内容创作领域具备了更全面的能力,为需要动态生成图像的应用场景提供了便利。
工具调用能力增强
Ollama插件在此版本中获得了工具调用功能的支持。工具调用是AI模型与外部系统交互的重要方式,允许模型在执行过程中动态调用预定义的工具函数。这一改进使得基于Ollama的AI应用能够实现更复杂的业务流程,例如在对话过程中查询数据库、调用外部API等操作。
模型支持更新
为了跟上AI模型的最新发展,Genkit 1.3.0新增了对Gemini-2.0-flash-lite模型的支持。这个轻量级模型在Google AI和Vertex AI平台上均可使用,特别适合需要快速响应且资源消耗较低的应用场景。开发者现在可以通过统一的Genkit接口轻松切换使用这个新模型。
稳定性改进
Firebase插件中的Firestore检索器功能得到了稳定性增强。现在即使在没有提供任何选项的情况下,检索器也能正常工作,这降低了使用门槛并提高了开发体验。这一改进对于依赖Firestore作为数据后端的应用尤为重要,确保了数据检索功能的可靠性。
Genkit 1.3.0的这些更新进一步巩固了其作为AI开发桥梁的地位,通过简化复杂功能的集成,让开发者能够更专注于业务逻辑的实现。无论是图像生成、工具调用还是最新模型的支持,这些改进都为构建更智能、更强大的应用提供了坚实基础。
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