「产品评测」共找到 2230 篇相关文章
红杉中国推出 Agent 基准测试「xbench」，双轨评估体系，关注 AI 真实场景的效用
红杉中国开放AI和Agent基准测试工具「xbench」，采用双轨评估体系，构建多维度测评数据集。首期发布两个核心评估集并排名，提出垂类Agent评测方法论。该工具旨在解决现有评估问题，关注AI真实场景效用。
AI全面爆发后，企业正在悄悄争夺知识库入口｜甲子光年
AI幻觉问题让企业意识到通用模型在专业场景的局限，需构建企业级知识库。腾讯在峰会上宣布升级知识库产品，乐享知识库通过AI赋能解决数据整合、更新等痛点，未来知识库将与业务深度联动。
我给阶跃星辰 Step 5 Preview 出了一道工程题
本文作者池建强参与阶跃星辰新一代旗舰大模型Step 5 Preview小范围内测，设置带两层bug和隐藏需求的编码工程题，与Qwen 3.8 Max、Kimi K3对比测试，分享实际项目使用体验，给出客观评测。
真能戴出门的脑机接口来了？长得像普通毛线帽，戴上就能意念打字
本文报道Kernel前CEO跳槽EEG脑机接口初创公司Sabi的行业动态，介绍Sabi推出的毛线帽造型非侵入式脑机接口产品Sabi Cap，分析BCI领域不同技术路线的商业化前景，探讨消费级脑机接口的机遇与挑战。
给企业当“AI管家”，以色列初创一年估值50亿
当地时间9月2日，荷兰AI初创公司Wonderful完成5.5亿美元C轮融资，估值达50亿。其提供AI操作系统，让不同AI共享数据、协作。它解决企业多智能体协同难题，产品已在以色列医疗保健机构取得良好效果。
把 Gemini 和 GPT 放到《我的世界》当教练，谁能看懂机器人的微操？
国立清华与英伟达团队研究《VLM-AR3L》，把Gemini 2.0、GPT-4.1等拉进考场，评估视觉裁决能力。结果显示Gemini综合最稳，开源小模型特定场景反超。还提出VLM-AR3L框架破使用瓶颈，实战超人类手写奖励。
大厂的AI不限量补贴终会结束！Hermes Agent作者：开源框架真正的狠招是把Claude对Anthropic的忠诚抢过来
科技创作者 Peter Yang 对话 Hermes Agent 作者之一 Karan Malhotra，探讨 Hermes Agent 与其他产品的差异、模型谄媚问题、开源意义等。Karan 指出其独特自我改进系统与专注用户需求特点，还提及让模型更贴合用户的方法。
国产AI高考708分，这款模型靠什么成为「屏蔽生」？
高考放榜，媒体对国内外大模型进行测试。综合成绩上，讯飞星火X2物理、历史类表现优异；单科专项中，它在数学、作文等测试也领先。其优势源于数据积累、理解评判标准，还采取软硬件一体化落地路径。
体验完微信Agent以后，我觉得这就是微信有史以来最大的更新。
作者获微信小微内测资格，深度体验后认为这是微信最大更新。微信Agent打通原生能力有超预期之处，但智能程度不足。功能上有亮点也有限制，如通讯录操作谨慎、小程序适配佳，还能生成小工具。
2026年中国AI应用全景图谱报告发布
量子位智库发布2026年中国AI应用全景图谱报告，记录变革时刻横截面。国内AI应用活跃，不同赛道表现有差异。报告还指出Agent化、模型普惠化等五大趋势重塑行业，揭示产业向产品及商业化转变趋势。