「端到端测试」共找到 4037 篇相关文章
AI人格分裂实锤!30万道送命题,撕开OpenAI、谷歌「遮羞布」
Anthropic联合Thinking Machines研究,用30万个场景和压力测试拷问OpenAI、谷歌等前沿大模型。发现模型规范有矛盾漏洞,不同模型价值优先模式不同,如Claude重道德,Gemini重情感等。
夸克做ChatBot,为什么是现在?
AI行业曾有“垂直Agent幻觉”误区,重演App时代“功能碎片化”老路。而模型趋势是泛化与整合。10月23日夸克上线“对话助手”,其此时入局是基于技术、竞争和交互形态三重判断,且有模型和系统双重保障。
7年了,OpenAI官方给出五代GPT对比,网友却怀念起「狂野」初代
OpenAI总裁分享给定相同提示下,GPT-1到GPT-5输出的差异,对比显示GPT系列在知识储备等方面不断进步,但网友看法不一,不少人怀念初代模型的‘狂野’。
挑战扩散自回归统治!字节提出视觉生成第三种路线,让模型像人类一样边画边改
五一期间字节商业化技术团队研发出新一代视觉生成模型,其底层架构是全新的第三条路——生成精炼网络GRN。它能让AI像人一样边画边改,解决了现有模型的问题,在多项基准测试中刷新SOTA记录。
Fable 5 刚被封杀,OpenRouter 用「多模型协作」搞出了「平替天团」
2026年6月14日,OpenRouter推出复合模型Fusion API,可复刻Claude Fable 5智力水平。它采用多模型协作,经DRACO测试效果出色,成本减半,但也有编程不实用、速度慢、数据合规存黑箱等问题,重塑了AI行业逻辑。
我用MiniMax Agent开发了个带后端的全栈网站,全程0代码
2025年Agent成AI领域焦点,大厂纷纷布局。作者测试MiniMax Agent,发现其有四大特点:深度研究和上下文管理强,多模态输出出色,编程能力超预期,能执行定时任务,还能开发带后端的全栈网站。
GPT-6 Sol要来了?OpenAI本周或迎「发布狂潮」
本文爆料OpenAI核心人员预告本周将迎来DevDay级别的大规模产品更新,网传GPT-6 Sol已进入灰度测试,OpenAI正推动旧模型迁移,本轮更新覆盖新模型、多模态、智能体等多个领域。
DoorDash 如何打造了一款不完全依赖大型语言模型(LLM)的 AI 购物助手
DoorDash 分享对话式 AI 助手 Ask DoorDash 的架构,它借助 LLM、AI 代理等构建系统。测试显示其提升了结账转化率等指标,还构建自动评估框架改进质量衡量,架构分离协调与业务功能。
什么!ChatGPT也要刷脸实名认证了?
OpenAI和Anthropic两大AI巨头同时推进身份验证。OpenAI此前已上线年龄预测模型,对开发者和消费端用户进行身份验证;Anthropic 7月8日起更新隐私政策引入身份验证。匿名使用AI的时代或结束。
Skill Factory:三天手搓面向Harness设计的技能工厂(附AI coding实践)
作者分享从产品设计到算法落地全流程实践,指出当前做skill两种方式的问题,介绍面向Harness设计的技能工厂,包括生产模式、生态适配、迭代方向,还提及AI coding实践及各工具作用。