「基准测试平台」共找到 3282 篇相关文章
每周产业洞察 | 中制协“开年第一会”的三个信号
北京AIGC视听产业创新中心位于朝阳区，是朝阳区推动影视制作基地建设的重要举措。由多方参与，采取‘共创、共建、共享’模式，提供六大服务平台，已汇聚近百家生态合作伙伴，由首创郎园负责运营。
股东变对手？OpenAI 被爆砸钱研发 GitHub 替代方案，硬刚微软
外媒披露 OpenAI 正开发代码托管平台，对标微软旗下 GitHub。因 GitHub 服务中断影响研发进度，项目处早期，或数月后推出，还探讨了商业化路径。OpenAI 巨额融资为拓展业务提供支撑。
警告：你的Agent可能无法"解决"真实世界的视觉问题
文章提出 AgentVista 评测基准，含 209 道任务，横跨 7 大领域 25 个子方向。评测 14 个主流模型，最强的 Gemini - 3 - Pro 准确率仅 27.27%，揭示多模态 Agent 在视觉理解、工具调用等方面挑战大。
更多非共识，Test-time Scaling 能否一直大力出奇迹？
机器之心PRO会员通讯解读三个AI业内要事，包括Test - time Scaling非共识、Skills与MCP谁是大模型的HTTP时刻、OpenAI打造最强平台等问题，探讨流行路线局限、Scaling改进方向等。
特朗普按下「创世纪」核按钮，AI曼哈顿计划正式启动！
2025年11月24日，特朗普正式签署「创世纪计划」，被比作AI版「曼哈顿计划」。由美国能源部牵头，整合资源打造「美国科学与安全平台」，剑指六大领域，要求9个月内构建AI科研闭环。
2025 年 InfoQ 趋势报告：云计算和 DevOps 篇
InfoQ 2025 年云计算和 DevOps 趋势报告展示技术采用阶段趋势图，介绍新增或更新技术。涉及 AI Agent、MCP、平台工程等趋势，指出云 DevOps 生态成熟有新挑战，新阶段需整合多种要素。
OpenAI 推出 GPT-5 驱动的安全卫士Aardvark：Codex 绝佳搭档
OpenAI推出由GPT - 5驱动的自主安全研究智能体Aardvark，用于软件安全保障。它能持续分析代码仓库，识别并修复漏洞，目前在内部及合作伙伴代码库效果良好，正处私有测试阶段。
挑战Claude code和Cursor：阿里Qoder对标全球，AI编程迎来“上下文”革命
AI编程工具爆发式增长，‘上下文’成实用化难题。阿里推出Qoder平台，结合大模型与Agent，可深度检索代码、理解上下文。本文采访Qoder团队工程师，解析其定位、成本、技术路线等关键问题。
Claude Sonnet 4.5 发布，30 小时自主编码刷新行业纪录
Anthropic发布Claude Sonnet 4.5，号称最强编程模型，自主编码达30小时。它性能超GPT-5等，Claude Code升级，文件处理、API能力增强，价格不变，多平台集成，还通过白盒审计提升安全性。
V4Flash 的价格、Opus4.8的能力，Ox Alpha （牛来）正式开源！
Ox Alpha 匿名模型上线 OpenRouter 后表现亮眼，消耗大量 tokens 并终结 DeepSeek 霸榜纪录。官方揭晓其为智谱 GLM - 5.3 Flash，价格低、能力强，经多场景测试，多模态理解等维度达顶尖水平。