「基准测试平台」共找到 3282 篇相关文章
xAI 新模型 Grok 4 Fast 卷疯了！少用 40% token 还能追平 Grok 4，限定范围可直接免费用
近日，马斯克旗下 xAI 推出新 AI 模型 Grok 4 Fast，将非推理与推理能力整合，少用 40% token 追平 Grok 4，运行成本降 98%。它有 200 万 token 窗口，多平台可用，部分范围免费。
就是阻击OpenAI，Claude抢先数十分钟发布Claude Opus 4.1
就在Sam Altman官宣两个开源推理模型前半小时，Anthropic抢先发布新模型Claude Opus 4.1。该模型能力提升，适用多平台，定价公布，企业用户反馈良好，还提供混合推理模式，不过订阅费遭吐槽。
推理与操控能力双提升！具身机器人双系统VLA模型新突破
香港中文大学等联合提出Fast - in - Slow（FiS - VLA）统一双系统VLA模型，实现快慢系统融合。在真机和仿真测试中，成功率和控制频率提升显著，泛化能力强。未来计划探索动态调参机制。
下一代超算，GPU得配QPU：老黄要把量子计算机和GPU「焊」在一起了
在VivaTech 2025会上，黄仁勋发布面向量子计算的革命性平台CUDA - Q。回顾英伟达CUDA - X套件及关键库，强调量子计算“拐点”，描绘QPU与GPU协同蓝图，宣布算法堆栈在Grace Blackwell 200加速。
前 DeepMind 研究员反思：评测，而非算力或数据，才是下一阶段的瓶颈
前 Google DeepMind 高级研究员 Lun Wang 在技术长文中指出，当前主流评测体系滞后，静态基准会“安静失效”。作者主张引入序参量，呼吁构建自演进评测，还为一线工程师提供了研发建议。
性能飙升42%！人大&字节开源10万级 SWE数据集 Scale-SWE
近期，人大和字节开源10万级软件工程数据集Scale - SWE，用首创工作流从GitHub构建真实数据。基于此微调的Qwen3 - 30A3B - Instruct模型测试表现佳，其数据相比合成数据优势明显。
n8n、扣子太难用了，Vibe Workflow 才是更大众的解
本文介绍 Refly.AI 推出的 Vibe Workflow，该产品获朱啸虎、高瓴投资且开源。它让普通人搭 Workflow，用 Agent 节点替代传统节点，降低门槛，还能迁移其他平台数据，核心是借模型提升发展。
“图片秒生”，腾讯混元图像2.0模型正式发布，主打速度和真实感
5月16日，腾讯发布混元图像2.0模型，率先实现实时生图，生图速度快、质量高，能避免‘AI味’。在GenEval基准上准确率超95%，还发布实时绘画板功能，后续将推原生多模态模型。
AI如何看懂足球？上海交大团队打造Multi-Agent系统，全面解析“美丽足球”！
现有足球AI研究存在不足，上海交大团队打造Multi - Agent系统。他们构建SoccerWiki知识库、SoccerBench评测基准和SoccerAgent多智能体系统，该系统多工具协作，实验中碾压GPT - 4，数据和代码将开源。
一键分享＝全网公开？Claude 被曝聊天记录可在谷歌直接搜到
2026 年 7 月 26 日，Reddit 用户称用谷歌站点检索语法能调出 Claude 用户共享对话记录。因 Claude 未补全防护配置，致用户加密资产、身份等信息泄露。此前 OpenAI、Grok 也有同类问题，社区呼吁平台完善防护体系。