Azure.AI.Projects 1.0.0-beta.9 版本发布:AI 项目管理的全面升级
Azure.AI.Projects 是微软 Azure AI 服务套件中的重要组件,它为开发者提供了在 Azure 平台上构建、部署和管理 AI 项目的统一接口。本次发布的 1.0.0-beta.9 版本带来了多项重要更新,特别是在部署管理、数据集处理和搜索索引方面进行了功能增强,同时对现有 API 进行了优化和重构。
核心功能增强
部署管理能力扩展
新版本引入了完整的 Deployments 功能集,开发者现在可以直接通过 SDK 枚举已部署到 AI Foundry 项目中的 AI 模型。这一功能为模型生命周期管理提供了更细粒度的控制能力,特别是在需要监控多个模型部署状态的场景下尤为实用。
数据集处理能力提升
Datasets 模块的加入使得文档上传和引用变得更加便捷。开发者可以:
- 批量上传训练或评估所需的文档
- 建立文档引用关系
- 为后续的评估任务准备高质量数据
这一功能特别适合需要处理大量非结构化数据的 AI 应用场景,如文档智能分析、知识挖掘等。
搜索索引管理
新增的 Indexes 功能提供了对搜索索引的完整管理能力,包括:
- 索引的创建与配置
- 索引内容的更新与维护
- 索引状态的监控
这对于构建基于搜索的 AI 应用(如智能问答系统、推荐系统)提供了基础设施支持。
架构优化与重大变更
客户端构造方式调整
新版本要求显式指定 AI Foundry 项目端点来构造 AIProjectClient。这一变更使得客户端配置更加明确,有助于提高代码的可读性和可维护性。端点格式为:https://<your-ai-services-account-name>.services.ai.azure.com/api/projects/<your-project-name>。
代理功能重构
代理(Agents)功能已迁移至独立的 Azure.AI.Agents.Persistent 包中。这一架构调整带来了更清晰的职责划分:
- 基础项目管理功能保留在核心包中
- 复杂的代理操作移至专用包
- 通过
GetPersistentAgentsClient方法获取代理客户端
这种设计使得核心包保持轻量,同时为代理功能提供了更大的扩展空间。
连接管理改进
Connections 相关 API 进行了重构:
- 响应对象简化为
Connection ConnectionProperties类更名为Connection- 属性结构优化,提高了 API 的直观性
这些变更使得连接管理更加符合开发者的直觉,降低了学习成本。
开发者体验优化
认证客户端支持
GetAzureOpenAIChatClient 方法现在支持返回经过认证的 AzureOpenAI ChatClient,开发者可以直接使用项目 AI 服务中部署的模型,无需额外处理认证逻辑。
评估功能简化
评估器 ID 现在通过 EvaluatorIDs 类提供,不再需要额外安装 Azure.AI.Evaluation 包。同时,Evaluation 类中的 Id 属性被更具语义的 name 属性取代,使代码更加自描述。
实际应用建议
对于正在使用早期版本的开发者,建议关注以下迁移要点:
- 更新客户端构造方式,确保提供完整的项目端点
- 将代理相关代码迁移至新的
Azure.AI.Agents.Persistent包 - 检查所有连接管理代码,适应新的 API 签名
- 利用新的数据集功能优化数据预处理流程
本次更新虽然包含了一些破坏性变更,但这些改进为后续功能扩展奠定了更坚实的基础,建议开发者尽早评估升级方案。
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