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。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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