Vercel AI SDK v5版本中移除的废弃API解析
Vercel AI SDK作为构建AI应用的重要工具,在v5版本中进行了一系列API清理工作。本文将详细介绍这些被移除的API及其替代方案,帮助开发者顺利迁移到新版本。
核心工具类型重构
在早期版本中,AI SDK提供了一系列以"CoreTool"为前缀的类型定义,这些类型在v5中被统一简化为更直接的命名方式。例如:
CoreToolCallUnion被替换为ToolCallUnionCoreToolResultUnion被替换为ToolResultUnionCoreTool被替换为ToolCoreToolChoice被替换为更简洁的类型定义
这种重构使得类型系统更加直观,减少了不必要的命名层级,提高了代码的可读性。
温度参数处理优化
在v4及更早版本中,SDK对temperature参数有特殊处理逻辑,特别是当temperature为0时的特殊处理。v5版本中,temperature参数现在默认为undefined,移除了这些特殊处理代码。这一变化使得参数行为更加一致和可预测。
实验性API清理
v5版本移除了多个标记为"experimental"的API:
experimental_wrapLanguageModel被正式APIwrapLanguageModel取代Experimental_LanguageModelV2Middleware类型被简化为LanguageModelV2Middleware
这些变化表明这些API已经经过充分测试,可以投入生产环境使用。
向量计算函数简化
cosineSimilarity()函数在v5版本中移除了options参数,特别是去掉了throwErrorForEmptyVectors选项。现在该函数的行为更加简洁,对于空向量的处理采用更统一的方式。
语言模型API演进
v5版本对语言模型API进行了重要调整:
- 移除了
rawCall属性,取而代之的是更规范的request接口 - 将v1版本的实现明确标记并迁移到v2文件夹中,为开发者提供了清晰的迁移路径
这种架构调整使得API设计更加合理,为未来的扩展奠定了基础。
OpenAI适配器改进
虽然max_completion_tokens的自动映射功能仍在讨论中,但v5版本已经为这一改进做好了准备。开发者应该开始使用标准的maxOutputTokens参数,而不是直接设置max_completion_tokens。
迁移建议
对于正在使用这些废弃API的项目,建议:
- 检查项目中是否使用了上述被标记为"TODO remove in v5"的API
- 按照本文提供的替代方案逐步替换
- 特别注意语言模型API的变化,这是较大的架构调整
- 测试温度参数的行为变化,确保应用逻辑不受影响
Vercel AI SDK v5的这些改进使得API更加简洁一致,减少了冗余代码,为开发者提供了更好的开发体验。这些变化虽然需要一定的迁移工作,但从长远来看将提高代码的可维护性和可扩展性。
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