「评测体系」共找到 1162 篇相关文章
阿里 Qwen3：持续开源，SOTA 连连！
很多从业者有‘闭源模型一定比开源强’的刻板印象，而 Qwen 正打破此认知。最近阿里连发三款模型 Qwen3-235B、Qwen3-Coder、Qwen3-235B（Thinking），在多方向发力且拿下多个开源榜单第一。
比Vibe Coding强100倍！字节 Trae 2.0 携“上下文工程”登场：一句话，从需求干到上线！
字节跳动的AI编程助手Trae发布2.0版本，新增SOLO模式，可实现从想法到应用的一站式交付。上下文工程领域热度攀升，该概念因Andrej Karpathy推动而爆火，Trae迭代快，已建立完整能力体系。
国产Deep Research杀出一匹「裸奔」黑马：免费开放，过程透明，网页报告一键即出
国产AI搜索秘塔AI搜索放大招，深度研究功能发布即免费公开，自带新玩法，思考过程透明。在评测集上表现优，可应对复杂问题，生成规范报告，还能转互动网页，严谨度与易用性兼备。
Anthropic：我们如何构建多智能体研究系统
Anthropic分享构建多智能体研究系统的经验，该系统用多个Claude智能体探索复杂主题。介绍了多智能体系统优势、架构、提示工程、评估方法，也提及生产环境的挑战，此系统处理开放式研究任务价值大。
小红书开源大模型dots.llm1，初次出手，小有惊艳！国外网友们又炸了……
小红书hi lab团队公布首个开源大模型dots.llm1，这是142B参数的MoE模型，仅14B激活参数就能与Qwen2.5 - 72B打平。它开源力度大，训练效率高，数据处理精细，训练稳定，获国外网友高度关注。
一家智能眼镜公司，为什么非要自研AI大模型系统？｜甲子光年
智能眼镜要么不够智能，要么不像眼镜，李未可科技CEO茹忆认为AI要成第一响应者。该公司推三款AI眼镜，搭载自研系统。其自研AI大模型系统，是为交付难复制AI体验闭环，解决通用API不足等问题。
The Batch：820 | Qwen3 向 DeepSeek-R1 发起挑战
阿里巴巴发布八个大型语言模型权重，含两个 MoE 架构和六个稠密模型。预训练数据达 36 万亿 token，支持 119 种语言及方言。测试中 Qwen3 家族表现出色，或终结 DeepSeek - R1 霸主地位，设计用于智能体系统。
DeepSeek Harness规模化踩坑实录：耗时、成本、失败到底该怎么查
Agent 进入日常研发流程后，使用方关注耗时、Token 消耗和失败回溯。DeepSeek Harness（DSH）是开源 Agent 框架，腾讯云 Agent 可观测提供 DSH 采集插件，构成全景可观测方案，还介绍接入实践与其他能力。
智能体时代，我们到底需要什么样的AI人才？｜2026 培训年会X极客时间专场
极客时间企业版与主办方联袂呈现DTDS全球数智人才发展大会，探讨智能体时代AI人才培养。多位先行者将分享经验，还有展位活动。极客时间企业版定位为陪跑伙伴，提供三层服务体系助力企业培养AI人才。
人形机器人规模化前夜，硬件供应链是真正的深水区
过去三年，人形机器人行业投资火热，但供应链瓶颈成商业化关键制约。麦肯锡报告分析成本结构，指出执行器是成本大头且供应体系不成熟。全球供应风险分三档，中国供应链有优势，2035年格局或转变。