Promptfoo 0.114.5版本发布:安全测试与稳定性提升
Promptfoo是一个专注于AI提示工程和测试的开源框架,它帮助开发者评估、比较和优化各种AI模型的提示效果。该工具支持多种主流AI提供商,并提供丰富的测试功能,是AI应用开发中不可或缺的质量保障工具。
安全测试功能优化
本次版本在安全测试(Red Team)方面进行了多项改进。首先移除了内存中毒插件(memory poisoning plugin)的策略排除问题,这个插件原本用于测试模型对恶意输入的防御能力。开发团队还优化了代理发现信息的暗黑模式显示,提升了用户体验。
在安全策略方面,新版本增加了严重性级别分类,使安全测试结果更加结构化。同时改进了编码策略的原始文本存储机制,确保测试过程的可追溯性。特别值得一提的是,新增了emoji编码策略,这种创新的测试方式可以帮助开发者评估模型对非传统输入的处理能力。
性能与稳定性增强
在性能优化方面,本次更新修复了maxConcurrency未定义时的回退处理问题,确保并发控制更加健壮。命令行界面(CLI)增加了Ctrl+C的终端清理功能,使得开发者在中断操作时能够获得更干净的退出体验。
对于OpenAI聊天补全提供商的继承机制,新版本改进了日志记录,使调试过程更加透明。这些改进显著提升了框架在复杂场景下的稳定性和可维护性。
测试与质量保障
测试覆盖率的提升是本次更新的另一亮点。新增了内存中毒插件的单元测试,改进了测试环境的设置和拆卸机制,实现了更好的测试隔离。Web用户界面部分增加了遥测钩子测试,确保用户行为追踪功能的可靠性。
开发团队还引入了Tusk测试运行器工作流,这是一个专门用于单元测试的新工具,进一步强化了项目的自动化测试能力。这些措施共同提升了Promptfoo的整体代码质量和可靠性。
开发者体验改进
在开发者体验方面,本次更新优化了自定义策略模板和生成提示的解析器,使安全测试配置更加灵活。依赖项也进行了例行升级,包括Anthropic AI SDK从0.52.0版本升级到0.53.0。
Promptfoo持续关注开发者社区的成长,本次更新特别欢迎了新贡献者@use-tusk的加入,体现了项目开放包容的开发文化。
这个版本虽然没有引入重大功能变更,但在安全测试、稳定性和开发者体验方面的多项改进,使Promptfoo作为一个专业的AI提示测试工具更加成熟可靠。对于使用AI模型进行应用开发的团队来说,及时升级到这个版本将获得更好的测试体验和更可靠的质量保障。
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