promptfoo项目0.114.1版本发布:强化红队测试与HTTP响应处理
promptfoo是一个专注于AI提示工程和测试的开源框架,它帮助开发者评估和改进AI模型的提示效果。该项目通过自动化测试、对比分析和红队测试等方法,确保AI系统生成的内容质量、安全性和可靠性。
红队测试功能增强
本次0.114.1版本在红队测试方面进行了多项改进。首先引入了目标发现代理(Target Discovery Agent)功能,这是一个重要的安全测试组件,能够自动识别和定位系统中的潜在攻击面。这项功能特别适用于评估AI系统的安全边界和防御能力。
在红队测试的应用场景方面,开发团队优化了应用目的页面处理逻辑,修复了未定义值的问题,使测试场景的设置更加稳定可靠。此外,还对多个评分器(grader)进行了优化调整,提升了评分准确性和一致性。
OpenAI MCP协议支持
对于使用OpenAI模型的开发者,这个版本新增了对Model Context Protocol(MCP)的支持。MCP是OpenAI提供的一种协议规范,它允许更精细地控制模型上下文信息的传递和处理。这项改进使得promptfoo能够更好地与OpenAI的Responses API集成,为开发者提供更丰富的模型交互能力。
HTTP响应处理优化
在HTTP提供者方面,本次更新做了两处重要改进。首先是将HTTP响应数据统一移至元数据字段,这种结构调整使得响应数据的组织更加清晰合理。其次是确保始终包含原始HTTP输出、状态码和状态文本,这一改进大大增强了调试能力,开发者可以更全面地了解每次HTTP请求的完整情况。
安全与配置改进
安全方面,本次更新放宽了私钥验证规则,这一调整使得项目在特定环境下的部署更加灵活。虽然放宽了验证,但开发团队仍建议在安全要求高的场景下使用严格的密钥管理策略。
提示工程增强
在提示模板方面,开发团队为Crescendo提示和GOAT生成添加了目的(purpose)字段。这些改进使得提示的意图更加明确,有助于生成更符合预期的AI响应。对于从事提示工程的开发者来说,这些细节优化能够显著提升工作效率。
开发者体验优化
在开发者工具方面,项目将readline实用程序集中管理,解决了Jest测试中的打开句柄问题。这一改进虽然看似微小,但对于使用Jest进行单元测试的开发者来说,能够避免一些棘手的资源管理问题。
总体而言,promptfoo 0.114.1版本在红队测试能力、HTTP处理、安全配置和开发者体验等方面都做出了有价值的改进,进一步巩固了其作为AI提示测试框架的地位。这些更新特别适合需要进行严格AI系统测试和安全评估的开发团队。
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