「基准测试平台」共找到 3287 篇相关文章
不吹不黑，在Agent任务上，kimi 2.6确实让我忘了Claude。
Kimi K2.6发布并开源，代码和Agent能力提升。作者测试发现，它在部署Claude Code源码、网站生成、多智能体任务等方面表现出色，审美提升，思维活跃，还能复刻文档风格，开源释放了前沿编程能力。
谷歌Agent杀入电商赛道：AI直接帮忙比价下单，马斯克：有意思
谷歌CEO官宣发布谷歌版Agentic电商解决方案，从UCP协议到Gemini CX，AI Agent贯穿购物全流程，可自动比价下单、领券等。国内阿里、京东、抖音等电商平台也在积极布局智能体电商。
刚刚，智谱敲钟上市了，市值达528亿港元
2026年1月8日，智谱在港交所挂牌上市，首日市值528.28亿港元。它是中国最早投身大模型研发的厂商之一，提出GLM范式，模型体系全面。此次募资将用于研发和优化平台，以MaaS模式发展，开启全球竞技新阶段。
14岁华人小孩，折个纸成美国天才少年
14岁华裔少年Miles Wu（吴迈尔斯）凭借创新折纸设计获JIC最高奖，奖金2.5万美元。他提出新型三浦折纸变体，能承受自重1万倍以上重量，还想设计应急避难所。他无导师和平台，在家手搓实验夺冠。
OpenAI内部路线图精简纯享版
这是OpenAI内部路线图精简版，包含自动化AI研究员目标、五层安全策略、产品向平台与AI云迈进等内容，还涉及算力投入、新公司结构、非营利组织资本部署及科学发现时间表。
长生不老成真？哈佛AI数周破解「衰老密码」，人类寿命或迎重写
哈佛团队借助AI系统K-Dense揭示衰老分阶段运行的秘密。K-Dense采用层级多代理架构，能完整跑通研究流程，在BixBench测试中超越GPT - 5。它还让哈佛团队几周完成原本数年的研究，成果待同行评审。
Rex-Omni：用 3B 模型颠覆目标检测
长期目标检测依赖传统坐标回归模型，MLLMs方法存在不足。IDEA研究院提出30亿参数的Rex - Omni多模态大模型，在零样本测试中表现超现有回归模型，还具备丰富语言理解能力，有独特设计和训练流程。
POF | 西交大陈泽伟、陈刚等：面向可变形域非周期非定常流动的几何自适应时空深度学习框架
西交大陈泽伟、陈刚等人提出ViT - STFlowNet框架，用于可变形域非周期非定常流动预测。该框架融合自适应网格变换与ViT架构，克服传统方法局限，测试显示预测精度高、泛化能力好，为飞行器流场感知控制提供工具。
GPT-5几个预测：用户翻倍，编程登顶，屠杀一众模型
OpenAI发布GPT-5，登顶大模型测评榜单。它有统一智能架构，在多测试取得突破，编程能力强击败对手。还改进意图，减少幻觉、增加情感、在健康领域更实用，价格便宜。作者预测其将带来用户翻倍等影响。
李开复入场Agent！零一万物推出“万仔”，直接对话CEO走独特“一把手工程打法”
今早，李开复宣布零一万物升级万智平台2.0并推出企业级Agent智能体。他指出AI Agent正重构企业架构，零一万物采用“一把手工程打法”，万智2.0有五大功能，还预计了AI Agent三个演进层级。