「功能测试」共找到 3128 篇相关文章
斯坦福临床医疗AI横评，DeepSeek把谷歌OpenAI都秒了
斯坦福最新大模型医疗任务评测，构建含35个基准测试的MedHELM综合评估框架。结果显示，DeepSeek R1以66%胜率领先，o3 - mini等模型也各有表现，还分析了成本效益。
Grok最新模型吃上Cursor「加餐」，马斯克：Coding实现巨大改进
马斯克在X上透露，xAI的Grok基础模型V9 - Medium（1.5T）完成训练，预计2 - 3周后发布，训练加入大量Cursor数据。同时，xAI的AI编程代理工具Grok Build进入早期Beta测试阶段。
Anthropic冲塔ASI自进化，要做全球操作系统！Claude OS一刀砍向6.4万亿帝国
Anthropic野心勃勃，开启ASI自进化，目标打造全宇宙最强AI操作系统Claude OS，欲抢夺苹果微软6.4万亿市值。Claude可控制电脑，多项功能上新，还推出自动模式，且营收增长快、客户结构优化，离ASI越来越近。
阿里版Claude Cowork杀疯了！一句话直出杂志级PPT，全球打工人变天
阿里QoderWork新版全面上线Windows。它是成熟的商业化办公桌面Agent，能处理文件、生成文档等。实测显示，它可整理图片、生成PPT和报告，还能处理重复工作。其具备安全防护、分级调度、功能扩展等特点。
刚开源仅3天狂揽4.9K star，轻量超高效版OpenClaw，10美元硬件就能跑！
OpenClaw火遍全网但硬件要求高、成本不菲。新开源的PicoClaw是其轻量替代方案，由Sipeed开发，内存占用少、启动快、成本低、便携性强，安装简单，功能多样，刚开源就成热议新星。
蚂蚁集团扩散大语言模型新突破：超800Token/s，速度与质量兼得
蚂蚁集团将LLaDA更新到2.1，通过引入“草稿 - 编辑”机制，打破扩散模型推理速度与质量的对立僵局。它有极速和质量两种模式，还采用混合训练流程及强化学习，在多基准测试中表现出色。
千问APP迈出重要一步：打通阿里生态业务，这可能是AI应用最坚固的护城河。
Google宣布Gemini联手沃尔玛让AI帮用户购物支付，被指是AI Agent落地时刻。而千问APP悄悄上线任务助理功能，打通阿里生态业务，调用淘宝、高德等MCP，能执行复杂任务，生态或是Agent终极壁垒。
每次画架构图都快崩溃？这个开源 AI 版 draw.io 一句话帮你搞定
Next AI Draw.io是基于Next.js + draw.io的开源Web应用，给draw.io加了AI大脑。它能让用户用自然语言画图、改图、补图，解决画架构图等耗时费力问题，有诸多功能亮点，适合特定人群。
社区供稿 | 开源SOTA：阶跃发布端到端语音大模型Step-Audio 2 mini！
阶跃星辰发布最强开源端到端语音大模型 Step - Audio 2 mini，在多个国际基准测试集获 SOTA 成绩。它统一建模语音理解等，率先支持语音原生 Tool Calling 能力，架构创新，案例展示其多方面强大能力。
被曝蒸馏DeepSeek还造假！欧版OpenAI塌房了
被誉为欧洲版OpenAI的Mistral被离职员工爆料多项黑幕，其最新模型疑似直接蒸馏自DeepSeek，却包装成RL成功案例，歪曲基准测试结果。此前就有人发现其模型与DeepSeek相似，目前官方暂无回应。