「跨平台评测」共找到 2122 篇相关文章
Google 发布 Gemini 3.8 Flash：6 周内第 3 次升级
Google DeepMind 官宣发布 Gemini 3.8 Flash 和 3.8 Flash Cyber 两个新模型。3.8 Flash 在软件工程等方面有显著提升，跑分成绩亮眼，价格实惠，性价比高；3.8 Flash Cyber 面向网络安全场景。目前 3.8 Flash 已在多平台上线。
Anthropic封号OpenClaw之父！复刻、改价、拉黑，24天三连杀
OpenClaw创始人Peter Steinberger的Claude账号被Anthropic封号，后恢复但无官方解释。此前Anthropic改价限制OpenClaw使用，且Claude Cowork半年来对标OpenClaw核心功能。这撕开了AI平台与开源agent生态裂痕，也凸显包月模式被Agent算力需求击穿的问题。
BesiegeField：LLM能否学会设计机器？
香港中文大学推出基于游戏《Besiege》的测试平台BesiegeField，探讨LLM能否学会设计机器。研究通过组合式机器设计视角，测试LLM，提出多智能体迭代设计流程等，发现LLM有挑战但并非不可实现，如Gemini 2.5 Pro表现不错。
WRC整理床铺机器人背后模型曝光！端到端双系统全身智能VLA，仅凭少量微调就能get任务
星海图在2025WRC展示G0模型，可让机器人自主完成铺床任务。其发布端到端双系统全身智能VLA模型G0，结合真机数据集与架构，还构建开放数据集，评测结果优于π0模型，即将开源。
1.6万人「卷」出科学未来！盛夏AI4S上海巅峰赛，谁人终得桂冠？
7月25 - 26日，第三届世界科学智能大赛总决赛及颁奖典礼在上海举行。大赛面向全球选拔，设五大赛道，吸引近1.6万人参赛。大赛秉持开源开放，成果将在星河启智平台共享，还开辟中学组，展现青少年潜力。
刚刚，豆包编程模型来了，我们用四个关卡考了考它！
2025年AI编程助手分化为IDE增强和Agentic两条路线。当前Claude Pro有使用限制，火山引擎推出豆包编程模型Doubao-Seed-Code。它在多项评测表现优异，具备长上下文等能力，经四关测试实力强，价格也实惠，或成完美平替。
ToC智能体火得快，但更大的价值在企业丨中关村科金@MEET2026
在大模型与智能体快速普及当下，中关村科金总裁喻友平判断AI时代核心是连接更强。他提出企业智能化是长期工程，真正让智能体规模化落地需重构底座平台能力，还介绍了应用场景等。
为什么AI总是"记错"你？我们造了一个"合成人生"来测试
现有AI记忆评测只记'事'不记'人'，存在数据源窄、不重理解、注入成本高的问题。QuantaAlpha联合高校团队提出CloneMem基准测试，用'数字痕迹'评估AI Clone长期记忆能力，实验有反直觉结论并给出设计启示。
AI训练初创公司Mercor，年运收入4.5亿美元，冲击100亿美元估值
AI训练初创公司Mercor正洽谈C轮融资，目标估值100亿美元或更高。它为OpenAI等对接专家，还提供数据标注服务，年化运营收入近4.5亿美元，但也面临Surge AI等对手竞争，OpenAI新平台或带来新威胁。
GAIR Paper 107｜高校联合腾讯发布 GameCraft-Bench：AI已能端到端开发游戏，Claude Opus 四成达到可玩水平
香港中文大学（深圳）等高校联合腾讯发布 GameCraft-Bench，旨在构建基于真实游戏引擎、产物完整可运行且能验证的 AI 游戏生成评测基准，解决现有基准难衡量端到端可玩性的问题，测试显示前沿模型在游戏生成上仍薄弱。