「真机评测平台」共找到 2251 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’。
空间智能卡脖子难题被杭州攻克！难倒GPT-5后，六小龙企业出手了
杭州群核科技发布空间大模型，深耕室内场景，直指‘空间一致性’痛点。其开源子模型具真实感全息漫游、可交互等特点。当前空间模型处早期，群核提出‘三位一体’战略，还将开源促行业发展。
腾讯混元开源 4 个小尺寸模型，主打 Agent 和长文
8月4日腾讯混元开源四款小尺寸模型，参数为0.5B、1.8B、4B、7B，消费级显卡可运行。模型推理快、性价比高，在多领域表现出色，亮点是Agent和长文能力，已在腾讯多业务应用。
Claude断供OpenAI，AI编程竞争再升级
Anthropic撤销OpenAI员工对Claude的访问权，称其违反服务条款。此前OpenAI用Claude辅助GPT - 5开发和安全测试，Anthropic CEO抨击OpenAI和Meta，社交平台对此事讨论热烈。
Claude Code is All You Need
Anthropic内部把Claude Code当万能助手。它核心理念是“一切皆文件”，能管理文件、日志和待办事项，还可打通Apple生态。MCP让其获取更多上下文。社区用户分享了在多场景的使用体验和技巧。
刚刚，AI大牛Karpathy又提新概念：像细菌一样写代码？
AI大牛Andrej Karpathy继Vibe Coding后提出「细菌式编码」，受细菌代码启发，有小而精简、模块化、自包含特点，其核心是让代码利于共享。它适合快速原型开发，也有局限，建议兼顾两者。
程序员还写啥前端？Claude 工程师凌晨2点造出Artifacts：AI直接生成可交互App，现在又重磅升级了
美国当地时间6月26日，Anthropic升级重要工具Artifacts，让构建交互式AI工具更轻松，无需编程技能。它标志Claude向实用工具平台转型，与OpenAI竞争，且AI开发工具和传统编程互补。
TypeScript“杀疯了”！60% 到 70% YC 创企用它构建 AI Agent，赶超 Python 有戏？
近日，Mastra AI 创始人称约 60 - 70% 的 YC X25 Agent 公司用 TypeScript 构建 AI Agent。该语言受欢迎是因其静态类型、IDE 集成优势，能提高生产力。虽 Python 仍是 AI 开发主导，但 TypeScript 正受关注。
谷歌神秘模型Kingfall泄漏！
近日，谷歌AI模型Kingfall在AI Studio平台短暂开放后意外曝光。它具备多模态处理能力，上下文窗口6.5万个token，有两种模式。生成SVG矢量图能力超Claude 4，身份猜测不断。