OpenLLMetry 0.39.0版本发布:增强Bedrock支持与监控能力
OpenLLMetry是一个专注于大语言模型(LLM)监控和可观测性的开源项目,它为开发者提供了对各类LLM服务的调用追踪、指标收集和性能分析能力。最新发布的0.39.0版本带来了多项重要改进,特别是在AWS Bedrock服务和监控指标方面的增强。
Bedrock服务支持全面升级
本次更新对AWS Bedrock服务的支持进行了显著增强。首先加入了ARN(Amazon Resource Name)和跨区域端点的支持,这使得开发者可以更灵活地配置Bedrock服务访问,特别是在多区域部署场景下。这一改进意味着现在可以更精确地指定要访问的Bedrock资源,并突破单一区域的限制。
另一个重要改进是针对Bedrock提示缓存的监控能力。新版本增加了专门的指标(metric)来追踪提示缓存的使用情况,同时也在追踪跨度(span)中添加了相关属性。这些增强使得开发者能够清晰地了解缓存命中率、缓存效果等关键指标,为优化提示工程和降低成本提供了数据支持。
监控指标体系持续完善
在监控指标方面,0.39.0版本有两个值得关注的改进。首先是新增了对Bedrock Converse API的支持,这是一组新推出的API接口,现在开发者可以获得与这些接口相关的完整监控数据。其次是增加了护栏(guardrail)相关的指标,这些指标对于确保LLM输出符合安全性和合规性要求至关重要。
各服务适配器的优化
除了核心功能的增强,本次更新还包含了对多个LLM服务适配器的优化:
-
Anthropic适配器:现在将"thinking"状态作为独立的完成消息处理,这使对话流程的追踪更加准确。
-
LangChain适配器:增强了对日期/时间类型的序列化支持,解决了之前在这些数据类型处理上可能存在的问题。
-
OpenAI适配器:修正了用户消息的分类问题,现在能正确将其识别为提示(prompt)而非完成(completion),这影响了相关指标的准确性。
-
Groq适配器:修复了当指标收集功能关闭时可能出现的异常问题,提高了系统的稳定性。
-
Ollama适配器:完整实现了计量(meter)功能,现在可以提供更全面的性能指标。
总结
OpenLLMetry 0.39.0版本通过增强对AWS Bedrock的支持和完善监控指标体系,进一步巩固了其作为LLM可观测性解决方案的地位。这些改进不仅提升了开发者的使用体验,也为生产环境中LLM应用的监控和优化提供了更强大的工具。特别是对提示缓存和护栏指标的监控,反映了项目团队对LLM实际应用场景中关键需求的深刻理解。
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