Promptfoo 0.112.7版本发布:增强红队测试与功能优化
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、比较和优化各种AI模型的提示效果。通过自动化测试和评估流程,Promptfoo能够显著提升AI应用的质量和可靠性。
红队测试能力增强
本次0.112.7版本在红队测试方面进行了多项改进。新增了MCP插件,这是一个专门为红队测试设计的工具,能够帮助开发者更全面地评估AI系统的安全性和鲁棒性。同时,开发团队还修复了红队测试界面中数据集部分重复显示的问题,提升了用户体验。
在可视化方面,新版本优化了红队测试生成表格的标题颜色,使其更加醒目易读。此外,还在报告顶部添加了查看所有日志的链接,方便开发者快速访问完整的测试记录。
核心功能优化与修复
Promptfoo 0.112.7版本对核心功能进行了多项优化。其中最重要的改进之一是修复了模板中对象字符串化的问题,现在能够正确处理各种复杂数据结构。对于Azure认证,修复了子类中认证头被设置为null的问题,确保了认证流程的稳定性。
在策略管理方面,新版本将自定义策略移动到了正确的折叠面板中,使界面组织更加合理。同时,针对GOAT任务提取功能,更新了返回类型定义,使其更加准确。
安全与隐私改进
新版本在隐私保护方面也有所增强。当隐私设置启用时,系统现在会排除Crescendo中的响应内容,更好地保护敏感数据。这一改进特别适合处理包含机密或个人信息的使用场景。
开发者体验提升
Promptfoo团队持续关注开发者体验,在0.112.7版本中移除了意外提交的示例提示,保持代码库的整洁。同时,更新了多语言功能的描述,使其更加清晰准确。框架合规性列的宽度也进行了调整,优化了表格显示效果。
文档与示例更新
为帮助开发者更好地使用Promptfoo,新版本文档增加了OpenAI Agents SDK的示例代码,展示了如何在实际项目中使用Promptfoo进行测试和评估。分享说明文档也进行了更新,包含了API密钥的详细使用指南。
此外,博客部分新增了关于Agent2Agent协议的技术文章,为开发者提供了更多关于AI系统交互协议的专业知识。
Promptfoo 0.112.7版本通过上述多项改进,进一步巩固了其作为AI提示工程测试框架的领先地位,为开发者提供了更强大、更可靠的测试工具。
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