「产品测试」共找到 3226 篇相关文章
从网页截图到精准复刻只需30秒：这个新模型刷新了我的认知
智谱AI发布GLM - 4.6V系列模型，是首个支持工具调用的视觉模型。作者对其进行7个场景测试，如识别鸟类、分析赶海地点等，展现出不错性能。该模型速度快、开源，有优势也有小问题，适合开发者和普通用户。
百度秒哒负责人朱广翔：AI开发革命的终局，是让创意本身成为唯一的“代码”
百度秒哒负责人朱广翔指出，传统应用开发模式受“不可能三角”所困，而秒哒旨在破局。他还分享了AI时代生产力公式，强调多智能体协作关键，认为AI开发终极目标是让人聚焦创意，且不会取代产品经理和程序员。
OpenAI 广告续命遭全网骂，用户要跑路Gemini！需烧 400 亿，18个月破产预警
OpenAI计划在ChatGPT对话界面向美区免费版和低价订阅用户测试广告投放，旨在拓展营收缓解成本压力。此举动引发批评，用户转向Gemini。OpenAI虽营收增长，但算力投入大，首席财务官称加广告会坚守三大原则。不过，有预测称其18个月内或破产。
纯血国产！4B模型越级打怪，杀入万亿赛道
9月1日，Hugging Face上线星火X2.5-4B和1.7B开源端侧模型，在多指标测试中表现优异，实现“越级打怪”。该模型基于全国产算力平台训练，在断网笔记本上实测效果惊艳，使用了两项技术提升能力，适配性强。
DeepSeek V3.1 领衔，万字长文CodeBuddy AI Coding 企业落地实践思考
文章结合腾讯CodeBuddy IDE工具，为企业AI CODING落地提供指南。先诊断团队研发流程痛点，给出解决思路；介绍选择AI CODING工具的考量因素及CodeBuddy特色；阐述落地实践问题与应对，构建工作流，还提及使用价值、心得、产品思考与未来展望。
刚刚，中国AI闯入全球编程前二！前面只剩Claude
Code Arena最新榜单出炉，Qwen3.7 - Max以1541分冲进全球第四，是前五中唯一非Claude模型。它在多项测试中表现出色，是为长时间自主执行任务设计的Agent基座模型，编程跃升或与环境扩展、长程自主执行训练方法升级有关。
解析科大讯飞：把AI做成懂你的那一个｜甲子光年
2025年中美AI发展路径分化，中国企业探索本土商业化道路。科大讯飞董事长刘庆峰提出自主可控、软硬一体、行业纵深、个性化四个关键词。其用华为昇腾芯片训练出可商用大模型，在多领域展现优势，还发布新功能和产品，为AI商业化提供“中国答案”。
刚刚！北大校友Lilian Weng最新博客来了：Why We Think
北大校友Lilian Weng更新博客《Why We Think》，回顾利用测试时计算的研究进展，探讨让模型“思考更久”的方法。文中介绍了思维链、潜变量建模等策略，还提及多种提升生成质量的策略，如并行采样与序列修订，以及强化学习提升推理能力等内容。
Claude 通过率不到 4%，SaaS-Bench 撕碎了 Computer-Use 的「全自动办公」幻想
UniPat AI用SaaS - Bench测试，让Agent在真实工作环境中执行任务。结果显示，Claude Opus 4.7端到端完全通过分数仅3.8%，多数模型表现差，还暴露Agent四种致命缺陷，揭示其与真实工作能力有巨大鸿沟。
哈工大、中科院等利用模型“潜意识”提高推理模型效率，0.6B撬动复杂推理
哈工大、中科院等提出TrajSelector框架，让推理模型‘倾听内心独白’。它利用模型隐藏状态，用0.6B轻量级验证器实现比7B裁判模型更精准选择，在数学竞赛基准测试中表现出色，还能离线筛选数据，但在开放域问答有难题。