promptfoo项目0.112.3版本发布:增强红队测试与性能优化
promptfoo是一个专注于AI提示工程和测试的开源项目,它帮助开发者评估、比较和优化各种AI提示(prompt)的效果。该项目通过自动化测试和评估流程,让开发者能够系统地验证不同提示策略在真实场景中的表现。
红队测试能力增强
本次0.112.3版本最重要的更新是新增了内存中毒插件功能。内存中毒是一种高级安全测试技术,通过向AI模型的记忆系统中注入特定数据,测试模型在受到潜在恶意输入时的表现。这项功能为红队测试提供了更强大的工具,使安全研究人员能够更全面地评估AI系统的安全边界。
在实际应用中,开发者可以利用这个插件模拟各种攻击场景,比如尝试让模型记忆并泄露敏感信息,或者测试模型对潜在有害内容的过滤能力。这对于构建安全可靠的AI应用至关重要。
用户体验优化
在命令行界面(CLI)方面,开发团队改进了进度条的显示方式,引入了线程分组可视化功能。这意味着当用户运行大量并发测试时,可以更清晰地了解各个测试线程的执行状态和进度,大大提升了大规模测试时的用户体验。
文档完善
技术文档方面,团队特别加强了关于红队测试策略的说明文档。这些文档详细解释了各种测试方法的应用场景和最佳实践,帮助开发者更有效地利用promptfoo进行安全测试。
性能提升
在测试性能方面,团队对Meteor和Nova Sonic测试套件进行了专门优化。这些优化显著提升了测试执行速度,使得开发者能够在更短时间内获得测试结果,特别是在持续集成环境中,这种性能提升将带来明显的效率改进。
架构改进
项目架构方面有几个值得注意的变化:
- 实现了云端攻击者配置的统一管理机制,使云环境下的测试配置更加集中和一致
- 改进了外部文件加载机制,将相关功能模块重构到更合适的代码位置
- 在设置界面中明确标记了数据集插件,提高了界面的清晰度和易用性
版本迭代
从0.112.2到0.112.3的版本迭代主要聚焦于稳定性和性能优化。开发团队保持了快速的迭代节奏,显示出项目活跃的开发状态和对质量的持续追求。
总体而言,0.112.3版本在安全测试能力、用户体验和系统性能等方面都有显著提升,进一步巩固了promptfoo作为AI提示工程测试工具的领导地位。这些改进特别适合需要构建安全、可靠AI应用的开发团队采用。
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