TensorZero 2025.03.2版本发布:并行工具调用与推理端点优化
TensorZero作为一个专注于AI模型训练与推理的开源平台,最新发布的2025.03.2版本带来了一系列重要的功能改进和问题修复。本次更新主要围绕并行工具调用行为的调整、OpenAI兼容端点的优化以及系统稳定性的提升展开。
核心变更解析
并行工具调用默认行为调整
本次版本中最值得注意的变化是parallel_tool_calls参数的默认值从false调整为null。这一变更意味着系统现在将遵循模型提供商的默认行为,而非强制禁用并行工具调用功能。
对于使用OpenAI等默认启用并行工具调用的提供商,这一调整将显著提升模型的多任务处理能力。开发者需要注意,如果之前依赖TensorZero禁用此功能的行为,现在需要显式设置parallel_tool_calls: false来保持原有逻辑。
OpenAI兼容端点改进
TensorZero对OpenAI兼容推理端点进行了两项重要优化:
-
多系统消息支持:现在端点可以处理多个
system或developer消息,系统会自动将这些消息连接起来。这一改进使得复杂的系统提示构建更加灵活。 -
参数传递标准化:TensorZero特有的参数(如
episode_id、variant_name)现在推荐通过请求体中的tensorzero::前缀传递,替代原先的HTTP头部方式。这一变更将为未来的API统一性奠定基础,开发者应逐步迁移到新的参数传递方式。
嵌入式网关增强
新版本为openai-python客户端增加了嵌入式网关支持,开发者可以通过tensorzero.patch_openai_client方法轻松集成。这一特性简化了本地开发环境与TensorZero平台的对接流程,使得原型开发和测试更加便捷。
功能扩展与优化
针对Anthropic模型的用户,2025.03.2版本扩展了对"Extended Thinking"功能的支持,新增了signature字段用于thought内容块。这一增强使得思维链追踪和验证更加可靠。
在模型训练方面,本次发布新增了Together AI平台的监督微调示例笔记本,为开发者提供了基于演示数据的fine-tuning实践指南。这个资源对于希望快速上手模型调优的团队尤其有价值。
稳定性修复
针对ClickHouse 2025.2版本中引入的一个影响TensorZero UI推理详情页显示的bug,开发团队实现了临时解决方案,确保用户在升级底层数据库时不会遇到功能中断。这一修复体现了TensorZero对系统稳定性的持续关注。
升级建议
对于正在使用TensorZero平台的团队,建议:
- 检查代码中是否显式依赖
parallel_tool_calls的默认值,必要时进行调整 - 开始将OpenAI兼容端点中的TensorZero特有参数迁移到请求体格式
- 评估嵌入式网关功能是否适用于现有开发工作流
- 参考新增的训练示例笔记本优化模型调优流程
2025.03.2版本通过这些改进,进一步强化了TensorZero作为AI开发平台的功能完备性和易用性,为复杂AI应用的开发和部署提供了更强大的支持。
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