「性能对比」共找到 2315 篇相关文章
爆火的腾讯WorkBuddy发了篇论文，公开了自家底牌
腾讯 WorkBuddy 团队将内部模型选型评测等开源成 Benchmark，公开多模型 Agent 工作台选型底牌。Bench 优点是任务分布真实且开源可审计，论文介绍了核心方法论、四大赛道拆解、榜单结果，还对比了现有工作。
评论送书 | Code Agent实战案例——用Pywen Agent、Claude Agent和Codex Agent从零开始构建一款网页游戏
本文展示用三大Code Agent依斯特鲁普效应构建网页游戏，对比其表现，还介绍让AI做测试方案、写文档，体现Code Agent在快速原型开发全生命周期的应用，还推荐相关书籍解答不同人群疑问。
实测 Seed 2.1 Pro：从零到一，开源一个大学生就业补贴的公益网站
火山引擎在 Force 大会发布豆包大模型 Seed 2.1 Pro 系列，API 上线火山方舟。作者实测用其完成大学生就业补贴政策网站开源项目，展示模型 Coding 和 Agent 能力，还提及性能、成本等优势及后续计划。
小模型推理极限在哪里？微博开源3B小模型，比肩顶级闭源
微博新开源的VibeThinker - 3B小模型，将特定能力维度性能推向极限。它在数学竞赛、编程等可验证推理基准上表现优异，成绩直逼顶尖大模型。其训练流程层层叠加，还提出参数压缩 - 覆盖假说。
复制这套神仙配置，让Claude Code全自动修Bug！告别每天重复教AI写代码
Claude写代码常犯重复错误，根源是无跨会话记忆。Claude code创始人Boris Cherny爆料团队让Claude自纠错，并分享配置让其自动发现、修复错误且不再重犯，介绍各步骤及完整配置和前后对比。
牛芯国产先进工艺 DDR5/LPDDR5 IP双双突破6400Mbps
随着人工智能等领域发展，系统对数据吞吐能力需求攀升。牛芯半导体基于国产先进工艺研发DDR5/LPDDR5 IP，实现6400Mbps高性能验证，通过创新弥补工艺代差，打通国产链路，具成本和安全优势。
UI-TARS-desktop：字节跳动的原生GUI智能体，用自然语言控制电脑和浏览器
字节跳动开源的UI-TARS-desktop是原生桌面GUI智能体工具，基于UI-TARS和Seed-1.5-VL系列模型。能用自然语言操控电脑和浏览器，有本地和远程两种模式，支持多平台，还对比了同类工具。
首个语音智能体端到端测评出炉：Grok登顶，真实场景通过率仅一半
Artificial Analysis推出业内首个语音转语音智能体端到端性能基准τ - Voice，测试真实客服场景能力。结果显示最强S2S模型成功率刚过一半，Grok Voice Think Fast 1.0夺冠，但也面临诸多质疑。
免翻轻松用上Claude Code，这两个热门项目太香了！
GitHub上的`free-claude-code`和`cc-switch`两个项目，让开发者免翻用上Claude Code。前者是轻量级Python代理服务器，后者是跨平台桌面端助手工具。文章介绍了它们的核心亮点、快速上手步骤及对比情况。
装完Hermes Agent玩了一圈，我觉得龙虾已死！
Hermes Agent势头正猛，被视为龙虾以来首个真正的竞争对手。它让Agent自己做Harness Engineering，自己写、用、改Skill，还能自我迭代。文章介绍了安装使用方法，对比了与其他项目的差异。