Mirascope v1.20.0版本发布:统一成本追踪与多模态支持
2025-07-05 05:48:14作者:薛曦旖Francesca
项目简介
Mirascope是一个专注于大语言模型(LLM)应用开发的Python框架。它通过提供简洁的API和工具链,帮助开发者更高效地构建基于大语言模型的应用程序。最新发布的v1.20.0版本带来了多项重要改进,特别是在成本追踪和多模态支持方面。
核心功能更新
统一成本追踪API
v1.20.0版本实现了跨所有LLM提供商的统一成本追踪API。这一功能对于企业级应用尤为重要,它使得开发者可以:
- 精确监控每个API调用的成本消耗
- 比较不同提供商之间的成本差异
- 优化模型使用策略以降低成本
- 生成详细的成本报告用于预算管理
新的成本追踪API设计简洁,开发者只需通过简单的接口调用即可获取详细的成本信息,无需针对不同提供商编写特定代码。
Anthropic图像URL支持
此版本扩展了对Anthropic模型的多模态支持,特别是增加了对图像URL的处理能力。这意味着开发者现在可以:
- 直接将图像URL作为输入传递给Anthropic模型
- 构建结合文本和图像的复杂应用场景
- 开发更丰富的多模态交互体验
这一改进使得Mirascope在计算机视觉与自然语言处理结合的应用场景中更具竞争力。
文档与示例优化
开发团队对文档进行了全面升级,重点包括:
- 将示例代码转换为完全自包含的形式,便于开发者直接运行和测试
- 迁移文档内容至提供商无关的API调用方式,提高代码的可移植性
- 确保所有文档中的代码片段都能正确解析和执行
- 显式统计缺失的文档导入,提高文档完整性
这些改进显著降低了新用户的学习曲线,使开发者能够更快地上手和使用框架。
技术实现亮点
改进的LLM提供商客户端处理
v1.20.0对LLM提供商客户端的处理机制进行了优化,使得:
- 客户端初始化更加灵活和可靠
- 错误处理机制更加完善
- 连接管理更加高效
这一改进提升了框架的稳定性和性能,特别是在高并发场景下的表现。
链式调用API标准化
文档中的链式调用示例已迁移至标准的llm.call API使用方式,这带来了以下好处:
- 代码风格更加统一
- 最佳实践更加明确
- 不同功能间的切换更加顺畅
总结
Mirascope v1.20.0版本通过引入统一成本追踪API、增强多模态支持以及优化文档体验,进一步巩固了其作为LLM应用开发首选框架的地位。这些改进不仅提升了开发效率,也为构建更复杂、更可靠的AI应用提供了坚实基础。对于正在使用或考虑使用大语言模型进行应用开发的技术团队,这一版本值得重点关注和升级。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
最新内容推荐
TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 Python开发者的macOS终极指南:VSCode安装配置全攻略 全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案 STM32到GD32项目移植完全指南:从兼容性到实战技巧 MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南 VSdebugChkMatch.exe:专业PDB签名匹配工具全面解析与使用指南 PANTONE潘通AI色板库:设计师必备的色彩管理利器 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
413
3.18 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
690
325
Ascend Extension for PyTorch
Python
229
258
暂无简介
Dart
679
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
346
147