TensorZero项目2025.03.0版本发布:重大变更与自动化提示工程
TensorZero是一个专注于人工智能模型部署与管理的开源平台,它提供了模型网关、推理服务等核心功能,帮助开发者高效地部署和管理AI模型。本次发布的2025.03.0版本带来了一些重要的变更和新功能,值得开发者关注。
重大变更:权重为零的变体处理逻辑调整
本次版本最值得注意的变更是对模型变体(variant)处理逻辑的调整。在之前的版本中,网关会平等对待所有变体,无论其权重如何。而在2025.03.0版本中,系统将不再采样权重为零的变体,除非这些变体在推理时被显式指定。
新的处理逻辑如下:
- 系统首先会在具有正权重的变体中进行采样
- 如果没有正权重的变体可用,系统会回退到未指定权重的变体
- 如果开发者希望设置"仅回退变体",则不应指定这些变体的权重
这一变更使得变体管理更加符合实际应用场景的需求,开发者可以更精确地控制不同变体的使用频率。
文本内容块格式规范化
另一个重要变化是对文本内容块格式的规范化。TensorZero正在逐步统一不同场景下的文本内容表示方式:
- 标准文本消息使用格式:
{"type": "text", "text": "Hello"} - 使用模板和模式的提示使用格式:
{"type": "text", "arguments": {"k": "v"}} - 忽略模板/模式的原始文本使用格式:
{"type": "raw_text", "text": "Hello"}
值得注意的是,第三种格式不被OpenAI兼容端点支持。开发者应尽快按照新规范调整代码,以适应未来的版本更新。
新增功能:自动化提示工程(MIPRO)
本次版本新增了一个重要功能——基于MIPRO的自动化提示工程方案。MIPRO(Metaheuristic-based Interactive Prompt Optimization)是一种元启发式交互式提示优化方法,它可以帮助开发者:
- 自动优化提示模板
- 通过交互式反馈改进提示效果
- 利用元启发式算法高效搜索最优提示
这一功能位于recipes/mipro目录下,为开发者提供了开箱即用的自动化提示工程工具链,可以显著提高提示工程效率。
OpenAI兼容性增强
TensorZero的OpenAI兼容端点在本版本中得到了进一步改进,现在能够更精确地匹配OpenAI的响应格式。具体改进包括:
- 更一致的响应结构
- 更准确的错误代码和消息
- 更完善的元数据支持
这些改进使得从OpenAI迁移到TensorZero平台更加无缝,减少了适配工作。
总结
TensorZero 2025.03.0版本带来了多项重要更新,既有需要开发者注意的破坏性变更,也有提升开发效率的新功能。特别是自动化提示工程方案的引入,为AI应用开发提供了新的工具。开发者应尽快了解这些变更,并根据项目需求进行相应调整,以充分利用TensorZero平台的最新能力。
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- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
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
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue08- 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
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