Comet-LLM 1.7.17版本发布:优化器增强与追踪功能改进
Comet-LLM是一个专注于大型语言模型(LLM)开发与管理的开源平台,它提供了从实验追踪到性能优化的全流程支持。本次发布的1.7.17版本带来了多项重要更新,特别是在优化器功能、追踪可视化以及成本管理方面有显著改进。
优化器功能全面升级
本次版本对优化器功能进行了多项增强。首先优化器API进行了重构,现在支持更灵活的提示工程配置,包括允许使用字符串形式的few-shot示例。同时优化器现在可以独立于后端运行,为开发者提供了更大的灵活性。
在性能方面,优化器增加了对LiteLLM日志记录的支持,这有助于开发者更全面地理解模型调用情况。此外还修复了若干影响优化器稳定性的问题,并添加了基准测试功能,确保优化效果的可验证性。
追踪与可视化改进
追踪功能在本版本中获得了多项改进。修复了当顶级节点不存在时Agent图不显示的问题,增强了追踪数据的可视化可靠性。同时改进了边栏的折叠行为,提升了用户体验。
对于DSPy框架的支持也得到了加强,现在提供了更完善的Graph API,并新增了相关测试用例确保稳定性。这些改进使得使用DSPy框架的开发者能获得更好的集成体验。
成本与令牌管理增强
成本追踪功能在本版本中得到了显著提升。现在可以更准确地从LiteLLM更新span成本数据,同时改进了批处理项大小估算机制,有助于更精确地控制API调用成本。
对于ADK(Agent Development Kit)集成,新增了provider字段到span usage中,并完善了成本和令牌追踪功能。这些改进使得开发者能够更全面地了解模型使用情况,优化资源分配。
安全与合规性改进
在安全方面,修复了PII验证器的逻辑问题,确保敏感数据处理更加可靠。同时将Guardrails的默认超时时间增加到30秒,并使其可配置,在安全性和可用性之间提供了更好的平衡。
开发者体验优化
本次发布还包含多项提升开发者体验的改进。脚本工具(opik.sh和opik.ps1)增加了端口映射支持,方便开发环境配置。公开数据集类型导出功能使得数据共享更加便捷。项目服务的getOrCreate方法进行了重构,避免了竞态条件问题。
对于Autogen框架的集成也进行了更新,确保与最新版本保持兼容。同时优化了在线评估功能的工具提示文本,使界面更加友好。
容器化部署改进
在容器化部署方面,修复了guardrails-backend容器中模型缓存的问题,提升了服务稳定性。同时优化了发布流程,确保部署过程更加可靠。
总体而言,Comet-LLM 1.7.17版本在功能完善性、稳定性和开发者体验方面都取得了显著进步,特别是优化器功能的增强将为LLM应用的性能调优提供更强大的支持。
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