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。
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