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。
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