开源动态8

DeepEval：让 LLM 评测如写测试般简单

AI工程化2025-06-04

AI 摘要

Confident AI 团队：DeepEval 是开源的 LLM 评测框架，用极简代码让评测像写 pytest 一样自然，内置多种指标，支持批量评测和 CI/CD 集成，助开发者构建自动化评测体系。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

Anthropic发布Claude 5.1，最强能力限少数机构用

9月1日，Anthropic发布Claude Fable 5.1和Claude Mythos 5.1，二者用相同底层模型，区别在安全限制和开放范围。Fable面向订阅用户和企业，Mythos仅向少数审核机构开放，此次还尝试新的开放方式。

神秘模型「牛来」真身曝光，是智谱刚开源的 GLM - 5.3 Flash，为 5 系列首个原生多模态模型。它尺寸小能力强、价格低，用国产卡，实测多模态和 Coding 能力出色，架构全新，开源后将模型、算力和生态结合。

据外媒报道，DeepSeek今年前七个月营收约4.75亿，较2025年全年增长近10倍，净亏损收窄，综合毛利率44.6%，API业务毛利率达82.9%。它正磋商500亿二轮融资，筹备明年沪上市，靠优化基建降本，低价策略吸客。

8月25日，Google Cloud发布Gemini Enterprise for Legal面向律所和企业法务团队开放预览。它想解决让模型进入律所现有工作系统，不打乱权限等规则的问题，通过MCP连接系统并继承权限，还组织各方合作。