「测试套件规模」共找到 2142 篇相关文章
编程超越 Gemini 3 Pro？GLM-5 性能实测对齐 Opus 4.6，智谱市值突破1700亿港元
临近春节，智谱AI发布最新旗舰大模型GLM-5，其代码和智能体能力表现出色，在多方面逼近Claude Opus 4.5，性能超Gemini 3 Pro。该模型已开源，依托国产芯片部署，不过受算力限制，将逐步向用户开放。
配置一改就要重启的时代结束了：Dev Proxy 2.1 正式上线
Dev Proxy团队发布2.1版本，围绕开发效率和本地测试体验更新，有配置热重载、stdio流量代理等新功能，还改进配置、性能及细节问题。Dev Proxy Toolkit 1.12同步发布。
马斯克视频生成模型首次交卷！电影级运镜+音效，免费可玩
xAI的“迄今为止最强大的视频音频生成模型”Grok Imagine 1.0正式全面上线。该模型支持文生视频、图生视频，音频效果出色，还擅长日常趣味创作。其在视频生成和剪辑性能领先，官网可免费玩。
5 分钟搞懂开源大模型选型核心维度，16G显卡也能选对
文章以作者自身经历引入，指出开源大模型选型易陷入‘越大越好’误区。讲透选型4个核心维度，含实操步骤与避坑指南，还介绍选后评估方法，助新手快速锁定适配模型。
蚂蚁抛弃向量推荐！用8B小模型构建「用户“话”像」，实现跨模型通用并拿下SOTA
2026年AI开发者关注爆款大模型应用，个性化是关键。蚂蚁集团和东北大学团队推出AlignXplore+，实现文本化用户建模新范式，有全域通用、极致迁移、实战适配特性，小参数超越基线，未来将继续探索。
拒绝计算“一视同仁”！Elastic Attention：让大模型学会“看人下菜碟”
现代大语言模型用全注意力机制计算复杂度高，现有混合注意力策略是静态的。为此提出Elastic Attention，引入轻量级Attention Router，具备动态路由等亮点，在主流模型测试中效果好。
AgentIF-OneDay 发布，评估全场景长时复杂任务
红杉中国 xbench 发布 AgentIF - OneDay 评测体系，用于评估大模型解决复杂任务的能力。该体系从任务复杂度新视角出发，沿 Scaling Context 和 Scaling Domain 推进，构造了三类典型任务进行测评，揭示了主流 Agent 的能力边界。
Demis Hassabis 达沃斯访谈：比工业革命大 100 倍的变革
2026年1月达沃斯论坛，Bloomberg主持人Emily Chang采访Google DeepMind CEO Demis Hassabis。访谈涉及AGI时间线、中国竞争等热门议题，Hassabis认为AI变革是工业革命100倍，还分享对各方面看法。
MiniMax 上市后的第一个开源：给 Coding Agent 立个规矩
2026 年初 MiniMax 成功上市港股，市值达 1100 亿港币。其上市后首个开源项目 OctoCodingBench 聚焦 Coding Agent 评估，解决规则复杂时 Agent 合规问题，为其立规矩，有重要社区价值。
告别昂贵人工标注，英伟达全自动视频理解助力小模型逆袭顶级大模型
麻省理工、英伟达等推出FoundationMotion，它是全自动数据生成流水线，能解决运动数据稀缺难题。通过自动标注生成问答数据，让小模型经微调后在运动理解上超越顶尖闭源模型，还介绍了其数据生成、问答设计等环节。