「软件评测」共找到 1198 篇相关文章
Claude 通过率不到 4%，SaaS-Bench 撕碎了 Computer-Use 的「全自动办公」幻想
UniPat AI用SaaS - Bench测试，让Agent在真实工作环境中执行任务。结果显示，Claude Opus 4.7端到端完全通过分数仅3.8%，多数模型表现差，还暴露Agent四种致命缺陷，揭示其与真实工作能力有巨大鸿沟。
jina-embeddings-v5-omni 发布！全模态向量小模型
Jina AI发布`jina-embeddings-v5-omni`，将`v5-text`能力拓展到多模态。`v5-omni-small`参数量小却追平LCO - 7B，在多模态评测中表现优异，但视频是短板。其采用‘冻结 + 投影’架构，训练快、省显存。
你不知道的 Agent：原理、架构与工程实践
文章聚焦 Agent 架构中影响工程效果的关键内容，如控制流、上下文工程等。介绍 Agent 基本运转方式、控制模式，强调 Harness 比模型更关键，还阐述上下文工程、工具设计、记忆系统等要点，并以 OpenClaw 为例说明落地方法。
「百万级」视频推理数据集！30+顶尖高校联合发布
AI视频生成已能「画得像」，但不会「想得对」。VBVR推出百万级视频推理数据集，首次系统评测模型对空间、物理、逻辑和抽象的推理能力，发现顶尖模型通过率仅68%，推动视频AI从「视觉模仿」迈向「智能推理」。
两月蒸发1.6万亿：SaaS 被AI「杀死」了吗？ | GAIR Live 025
今年初，北美软件股两月蒸发超1.6万亿美元，引发对SaaS是否被AI“杀死”的讨论。雷峰网GAIR Live线上圆桌中，三位行业老兵探讨了SaaS现状与未来，涉及股价暴跌原因、护城河、商业模式、产品形态及转型等方面。
超20万个高质量Skills！浙大等联合推出SkillNet，告别孤立Skill实现自进化
浙江大学联合多家机构推出开源基础设施SkillNet，拥有超20万个高质量Skills。它能让AI智能体告别失忆式工作，将互联网资源和人类经验转化为可执行Skills，构建Skills网络，经严苛评测，在真实场景验证了强大实战能力。
智能体时代的强化学习：AReaL 框架与 Agent 最佳实践
本文整理自吴翼博士在 2025 年 QCon 全球软件开发大会的分享。他介绍 AReaL 框架及 Agent 最佳实践，阐述强化学习与大模型联系，指出 Agent 是 AGI 未来 5 年关键，强化学习是 Agent 技术核心，还分享团队成果与经验。
哈工大系闯出人形机器人黑马：成立不到一年，全栈开源3m/s原型机，小米商汤都投了
1月15日，萝博派对在GitHub全栈开源双足人形机器人“萝博头原型机”，其跑步速度达3m/s。该开源含硬件、软件等多方面，直击开发痛点，还启动共创计划，已获小米等投资，目标降低具身智能开发成本。
估值1亿的"死了么"APP有多好抄？5分钟AI就能复刻，去年有人一下午做出原型
‘死了么’APP 更名 Demumu，曾登热搜与付费软件榜首。此前一数据分析师用 AI 5 分钟复刻海外版，感叹技术不值钱。该 APP 由 3 名 95 后开发，初始成本低，现估值近 1 亿，还涌现诸多类似免费 APP。
账上仍有30亿元现金，王小川不下牌桌｜甲子光年
1月13日百川智能开源新一代医疗大模型Baichuan - M3，在医疗AI评测中夺冠，超越GPT - 5.2。王小川带领百川转型AI医疗，虽面临挑战但账上有30亿现金，选择院外商业化，预计2027年考虑上市。