「产品评测」共找到 2230 篇相关文章
OpenAI和Anthropic罕见互评模型：Claude幻觉明显要低
OpenAI和Anthropic罕见合作，互相授予API权限评估模型安全与对齐情况并发布报告。双方派出多模型参与，从指令层次、越狱、幻觉、欺骗策略等方面评测，呈现各模型优缺点。
一场「狼人杀」，考倒了一堆大模型
南开大学等机构设计 InMind 评测框架，在 Avalon 游戏对 11 个前沿大模型测试。多数模型停留在表层模仿，仅少数推理增强模型有初步‘风格敏感性’，未来人机交互应关注‘像不像’。
全球开源大模型，前十五名全是中国的
近日，随着新一代大语言模型更新，开源大模型成热门话题。Design Arena排行榜上，若设定为“开源”，前15名均为国产开源大模型，排名第一的是DeepSeek - R1 - 0528 ，智谱、阿里等厂商多款模型上榜。
2025 AI Agent 发展现状与六大趋势
近半年，Agentic AI 创新加快，推动产品落地与商业化。2025 年市场格局显现，有 Agentic RAG、Voice Agents 等六大关键趋势，各有定义和应用场景，不少公司已采用相关技术。
搜索市场变天：AI搜索用户使用频次夸克6倍于传统巨头
QuestMobile报告显示，2025年上半年夸克AI搜索月人均使用频次是百度6倍多。夸克切中高频刚需场景、有基础能力且受年轻用户青睐。在产品性能维度，夸克已超百度，AI搜索市场正变天。
年薪两百万研究AI精神病？？Claude团队新部门火热招聘中
Claude团队启动“AI精神病学”小组，年薪两百万元招人。小组研究模型角色、动机等，来解决其诡异、失控行为。Anthropic可解释性部门有相关研究成果，网友对“AI精神病学”看法不一但前景值得期待。
一年上线超 10 款产品，AI 时代如何做独立开发
ThinkAny&MCP.so 创始人艾逗笔分享独立开发感悟与经验，介绍多款 AI 产品，如 ThinkAny、ShipAny 等。还给出 AI 应用出海 SOP、可 all in 的创业方向，如 AI Coding、Agent 等，为开发者提供参考。
Google搜索转型，Perplexity入不敷出，AI搜索还是个好赛道吗？
Google在I/O开发者大会宣布上线由Gemini驱动的高级AI搜索模式AI Mode，此前其因转型冲击收入而犹豫。Perplexity访问量增但亏损，AI搜索赛道融资减少，大厂抢占空间，产品转垂类，商业化待探索。
Codex和Claude Code都跑偏了，前OpenAI研究员称Jev出现前AI世界是个悲剧
本文是对前OpenAI研究员、TypeSafe创始人Diogo Almeida的访谈，Diogo推出新型大模型Jev，批判现有Codex、Claude Code等AI产品的路线缺陷，提出面向程序直接调用的AI新方向。
Claude Opus 5.5 到底强在哪？大幅降价后谁会受影响？
本文从工程视角拆解Anthropic新品Claude Opus 5.5，分析其能力升级、定价调整，分享开发者实测案例，解读此次升级对AI行业格局的影响。