Unknown · seit Juli 2025 (Paper/GitHub-Erstveröffentlichung); Februar 2026 (optimize_anything API) · 2× · zuletzt 29. Juni 2026
GEPA (Genetic-Pareto) ist ein Open-Source-Framework von Forschern der UC Berkeley, Stanford, Databricks u.a. zur Optimierung von Text-Artefakten wie LLM-Prompts, Code oder Agenten-Architekturen. Es kombiniert evolutionäre Suche mit LLM-basierter Reflexion über Ausführungsprotokolle (statt reinem Skalar-Reward wie bei RL) und wählt Kandidaten über eine Pareto-Front aus, um Diversität zu erhalten. Ursprünglich als Prompt-Optimierer eingeführt (Paper Juli 2025, ICLR 2026 Oral), wurde es im Februar 2026 mit der API "optimize_anything" auf beliebige Text-Artefakte erweitert. Es ist als Python-Paket auf PyPI und GitHub verfügbar, unterstützt über LiteLLM mehr als 100 LLM-Provider und ist in Frameworks wie DSPy, MLflow, Google ADK und LangChain integriert.
Features
| Lizenz | MIT-Lizenz |
| Plattform | Python-Bibliothek (pip install gepa), Python 3.10–3.14 |
| Preis | Kostenlos (Open Source), Kosten fallen nur für genutzte LLM-API-Aufrufe an |
| Protokoll-Kompatibilität | Integrationen mit DSPy, MLflow, LangChain, Google ADK, Pydantic AI, Comet ML Opik |
| Release-Datum | Erstveröffentlichung Juli 2025 (arXiv-Paper); optimize_anything-Erweiterung 18. Februar 2026 |
| Unterstützte Modelle/Provider | Über 100 LLM-Provider via LiteLLM (u.a. OpenAI, Anthropic, Google, Azure, AWS) |