「基准测试平台」共找到 3282 篇相关文章
老黄呼吁所有企业「养虾」当天，阿里正规军入场，「悟空」把路铺平了
2026年初，OpenClaw火了，黄仁勋呼吁企业制定相关战略，但它存在环境依赖复杂等问题，企业不敢用。阿里发布企业级AI原生工作平台「悟空」，解决企业安全、工作流耦合和规模化等问题，被阿里重点布局。
每周产业洞察 | 从史努比交易看AI时代：手握存量IP的巨头如何开辟新路径
北京AIGC视听产业创新中心位于朝阳区东坝乡，是朝阳区推动影视制作基地建设的举措。由多方参与，首创郎园运营，提供六大服务平台，截至2025年8月汇聚60余家生态伙伴。首创郎园拓展服务边界，项目多地布局。
Mini-SGLang，30万行代码浓缩为5000行，大模型推理高性能教学与研究模版
SGLang发布Mini-SGLang，将30万行代码缩至5000行，保留核心特性，为大模型推理提供高性能教学与研究模版，解决教育门槛高和科研原型开发难的痛点，还经测试验证了性能。
AI时代，CRM的底层逻辑正被重构｜甲子光年
AI正加速改变CRM及SaaS产品形态和市场格局。纷享销客发布ShareAI平台，从连接型向智能型CRM跃迁。AI重构CRM底层逻辑，还助海外SaaS破局，中国厂商或借AI探寻商业化路径。
0%完成率！Claude、GPT、Gemini 全灭，SWE-Bench作者新作把AI圈干沉默了
SWE - Bench创建者推出新benchmark ProgramBench，测试AI从零构建软件系统能力。结果一线模型完成率0%，暴露AI擅长局部代码生成，缺全局系统规划能力，引发对其评估方式的讨论。
我在OpenAI修中文
OpenAI研究科学家陈博远介绍GPT Image 2官网博客花絮，分享模型训练、测试情况，还展示亲手制作的官网图片，包括中文彩蛋、漫画、杂志页等，体现模型文字渲染、视觉推理等能力。
刚刚，Anthropic分享了构建Skills的最佳实践
Anthropic获300亿美元融资，估值达3800亿美元，发布《The Complete Guide to Building Skills for Claude》指南。介绍Claude Skills本质、与MCP关系、应用场景、技术实现、设计模式及测试迭代方法。
LeCun离职后不止创一份业！押注与大模型不同的路线，加入硅谷初创董事会
离开Meta后，Yann LeCun创立AMI，还加入Logical Intelligence任技术研究委员会主席。该公司推能量 - 推理模型，与主流大模型路线不同，其Kona模型在数独测试上表现远超大模型。
杜克大学、Zoom推出LiveMCP‑101：GPT‑5表现最佳但未破60%，闭源模型Token效率对数规律引关注
杜克大学与Zoom研究者推出LiveMCP - 101，这是针对真实动态环境的MCP - enabled Agent评测基准。含101个任务，实验显示先进模型成功率低于60%，研究为提升Agent能力提供改进方向。
算力产业发展重心，正在改变
2025中国算力大会落幕，我国算力产业重心从规模扩张转向应用价值。数据基础设施筑牢底座，智慧运营平台奠定普惠基础，‘应用为王’成趋势，各方行动降低用算门槛推动AI落地。