Google.Cloud.AIPlatform.V1 3.25.0版本发布:增强AI平台功能
Google.Cloud.AIPlatform.V1是Google Cloud提供的.NET客户端库,用于与Vertex AI平台进行交互。Vertex AI是Google Cloud提供的统一机器学习平台,帮助开发者构建、部署和管理机器学习模型。本次3.25.0版本的发布为开发者带来了几项重要的功能增强。
主要更新内容
1. Vertex RAG引擎中的页面跨度支持
新版本在Vertex RAG(Retrieval-Augmented Generation)引擎中增加了对页面跨度的支持。RAG是一种结合检索和生成的技术,它首先从知识库中检索相关信息,然后基于这些信息生成回答。页面跨度功能允许开发者更精确地定位检索到的上下文在原始文档中的位置,这对于需要引用原始文档内容的场景特别有用。
在实际应用中,这意味着当AI模型从文档中检索信息时,开发者现在可以获取到这些信息在原始文档中的具体页面范围,而不仅仅是文本片段。这对于需要精确引用或验证来源的应用场景(如法律文档分析、学术研究辅助等)将大有裨益。
2. Vertex AI搜索引擎集成
本次更新增加了对Vertex AI搜索引擎的支持。Vertex AI搜索是Google Cloud提供的企业级搜索解决方案,它结合了传统搜索技术和AI能力,能够理解用户查询的意图并提供更相关的结果。
通过这一集成,开发者现在可以在他们的AI应用中使用Vertex AI搜索的强大功能,包括:
- 自然语言理解能力
- 语义搜索功能
- 个性化搜索结果
- 多模态搜索(支持文本、图像等多种数据类型)
这一功能特别适合构建知识管理系统、电子商务搜索或企业内容发现平台等应用场景。
3. ReasoningEngine中的强制删除功能
新版本在ReasoningEngine(推理引擎)中引入了强制删除功能。ReasoningEngine是Vertex AI中用于执行复杂推理任务的组件。强制删除功能允许开发者在需要时立即删除推理引擎实例,而无需等待正常的删除流程完成。
这一功能在以下场景特别有用:
- 资源清理自动化脚本
- 紧急资源回收
- 测试环境快速重置
- 成本控制场景
强制删除可以避免因等待正常删除流程而导致的资源占用和潜在成本增加,为开发者提供了更大的灵活性和控制权。
技术影响与最佳实践
这些新功能的加入为开发者构建AI应用提供了更多可能性。以下是一些建议的最佳实践:
-
利用页面跨度功能增强应用可信度:在构建需要展示信息来源的应用时,使用页面跨度功能可以显著提高透明度。例如,在法律文档分析应用中,可以直接展示引用的具体页面,增强结果的可信度。
-
结合搜索与生成技术:Vertex AI搜索与RAG引擎的结合可以创建更强大的问答系统。首先使用搜索功能快速定位相关信息,然后使用RAG引擎生成自然语言的回答。
-
合理使用强制删除:虽然强制删除提供了便利,但在生产环境中应谨慎使用,确保不会意外删除重要资源。建议在自动化脚本中加入适当的保护措施,如资源标记或删除确认机制。
总结
Google.Cloud.AIPlatform.V1 3.25.0版本的发布进一步丰富了Vertex AI平台的功能集,特别是在信息检索、搜索能力和资源管理方面。这些增强功能使开发者能够构建更精确、更强大且更易于管理的AI应用。随着AI技术的不断发展,Google Cloud持续为其Vertex AI平台添加新功能,帮助开发者充分利用AI技术的潜力。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00