Google.Cloud.AIPlatform.V1Beta1 1.0.0-beta23 版本发布:AI平台功能增强与评估优化
Google.Cloud.AIPlatform.V1Beta1 是Google Cloud AI平台服务的.NET客户端库,为开发者提供了访问Google AI平台各种功能的接口。本次发布的1.0.0-beta23版本带来了多项重要更新,主要集中在多模态评估、模型导出、数据集服务增强等方面,进一步提升了AI开发体验。
多模态评估与评分体系改进
新版本对在线评估API进行了重要更新,特别针对多模态评估场景进行了优化。现在开发者可以更灵活地处理内容映射实例(content_map_instance),这对于处理包含多种媒体类型(如图像、文本、视频等)的AI模型评估尤为重要。
评分体系方面,新增了基于评分标准的实例(rubric_based_instance)支持,允许开发者定义更结构化的评估标准。同时,输出处理也更加灵活,新增了原始输出(raw_output)、自定义输出(custom_output)等字段,便于开发者获取和处理评估过程中的中间结果。
模型导出与发布功能
1.0.0-beta23版本引入了ExportPublisherModel API,这是一个重要的新增功能。该API允许开发者将训练好的模型导出为发布者模型,便于模型的分发和共享。这一功能特别适合需要将模型部署到不同环境或与其他团队共享模型成果的场景。
数据集服务增强
数据集服务新增了两个重要的RPC调用:
- AssessData:用于评估数据集的质量和适用性
- AssembleData:提供数据集组装功能
这两个新接口大大增强了开发者对数据集的管理能力,使得数据准备阶段更加高效和可控。
数据导入优化
数据导入功能得到了显著增强,新增了两种导入结果输出方式:
- GCS Sink:将导入结果直接输出到Google Cloud Storage
- BigQuery Sink:将导入结果输出到BigQuery数据仓库
这两种输出方式为开发者提供了更多灵活性,可以根据后续处理需求选择最适合的结果存储方式。
推理引擎规范扩展
ReasoningEngineSpec是定义推理引擎规格的重要接口,本次更新增加了环境变量和代理框架支持。具体包括:
- 新增env_variables字段,支持通过环境变量配置推理引擎
- 新增agent_framework字段,支持指定代理框架
- 新增deployment_spec字段,用于定义部署规格
同时,package_spec字段的注释从"必需"更新为"可选",提供了更大的配置灵活性。这些改进使得推理引擎的配置和管理更加精细和灵活。
文档完善与说明优化
随着功能的增加和变更,相关文档也进行了同步更新:
- 更新了EvaluateDatasetRequest中autorater_config字段的注释说明
- 澄清了EvaluationDataset中gcs_source字段的使用说明
- 完善了ReasoningEngineSpec中各字段的文档说明
这些文档改进有助于开发者更准确地理解和使用API功能。
总结
Google.Cloud.AIPlatform.V1Beta1 1.0.0-beta23版本通过多项功能增强,为AI开发者提供了更强大的工具集。从多模态评估到模型导出,从数据集管理到推理引擎配置,这些改进覆盖了AI开发生命周期的多个关键环节。特别是新增的ExportPublisherModel API和数据导入结果输出选项,将显著提升模型部署和数据处理的效率。对于正在使用Google Cloud AI平台的.NET开发者来说,这个版本值得关注和升级。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C028
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