开源动态7
Video - Holmes：大模型视频推理全不及格
量子位
AI 摘要
腾讯ARC Lab和香港城市大学：推出Video - Holmes测试大模型视频推理能力，规避现有痛点。测试里大模型全不及格，反映出其推理能力不足，相关资料代码已开源。
阅读原文 · 量子位
视频推理界的“福尔摩斯测试”：所有大模型，统统不及格 | 论文代码开源
腾讯ARC Lab和香港城市大学推出Video - Holmes，这是视频推理界的‘福尔摩斯测试’，能展现多模态大模型复杂视频推理能力的边界，规避现有Benchmark痛点，测试中所有大模型全部不及格，代码已开源。
关注公众号
扫码关注
第一时间收到每日精选
相关文章
新闻资讯8
英伟达推理指南：华人团队方案成最优解
9月2日，英伟达技术博客上线《用投机解码做AI模型协同设计》，给出推理加速选型表。列入指南的核心方案多由华人团队主导，介绍了从外置草稿模型到n - gram查表法等方案，还提到硬件常数对模型架构的约束。
新智元
新闻资讯7
Meta发布Muse Spark 1.3，挑战谷歌模型
九月刚过3天就有五个前沿模型发布，Meta发布Muse Spark 1.3踢馆谷歌Gemini 3.8 Flash。它跑分提升大、成本低，性价比高，但也遭质疑，大模型下半场或比拼系统架构和智能体工程能力。
新智元
新闻资讯8
陈大年复出，小模型StartLux挑战大参数量模型
国产大模型领域黑马StartLux-V1.0-27B-Preview，参数量仅27B，在信通院MCP测试中排综合第二，仅次于1.6万亿参数量的DeepSeek-V4-Pro。其创始人陈大年押注本地模型，公司专注该领域商业化。
量子位
开源动态8
E - Commerce Bench揭秘大模型网店经营能力
为评估模型长程经营能力，联合淘天集团发布E-Commerce Bench，以10万本金、365天经营网店来评测。从多维度评估18个模型，结果差异大，还发现单一指标会掩盖模型表现，评估基准潜力大。
千问大模型