新闻资讯7

InfoQ发布推理模型评测报告

InfoQ2025-05-29

AI 摘要

InfoQ研究中心：评测八款热门推理模型，发现多步推理是短板，不同模型在各维度表现有差异。推理模型正从‘单脑’变‘带工具多能体’，后续将跟踪多方向进展。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

最强AI Agent团队仅完成半数协作任务

单个AI Agent能力不断提升，但多智能体协作能力缺乏系统评测。本文介绍新推出的AgentWorld评测基准，结合长时程任务、角色不对称与黑盒交互，评测多智能体协作能力，给出主流大模型的协作表现数据。

外媒爆料谷歌下一代Gemini 4模型Carbon已进入内部测试，性能逼近Anthropic Opus 5.5，核心进展来自递归自我提升RSI技术，业内对谷歌拖沓的发布策略争议不断。

本文为豆包Doubao-Seed-2.1-pro-0915新版本实测内容，展示该模型的多模态编程能力，以生成鱼类识别微信小程序为例，给出基准测试成绩，介绍其适用开发场景。

本文围绕AI制药产业新变化展开分析，AI压缩分子设计周期后催生大量实体验证需求，这些需求大量流向拥有速度成本优势的中国实验机构，同时梳理了产业分工与政策不确定性。