「测试套件规模」共找到 2144 篇相关文章
GLM4.5之后，智谱又开源GLM-4.5V，实测下来视觉推理能力贼强~
智谱继GLM-4.1V-9B-Thinking、GLM-4.5后，又开源最强多模态推理模型GLM-4.5V，在多模态理解榜单达开源SOTA。它视觉推理强，经测试能助力科研各阶段，还介绍了其架构设计与训练策略。
GPT-5暴写「屎山代码」！14个Prompt，看穿GPT-1到GPT-5七年智商进化史
GPT-5发布半月表现未达预期，Peter Gostev对比GPT-4和GPT-5基准测试。OpenAI公开2018 - 2025 GPT进展网址，通过14个Prompt展示GPT-1到GPT-5在写诗、写代码、解题、解答专业与健康问题等方面的实力进化。
Manus 数月憋大招， 100 个 Agent 并发只为选双鞋？肖弘放话：第一阶段就得先做超贵的 AI！
中国人工智能初创公司 Manus 推出新功能“Wide Research”，可让用户借助多个 AI Agent 同时处理大规模任务。该功能不走“深度研究”路径，架构经优化，计算能力扩展 100 倍，但效果待察。Manus 撤出中国市场，欲借此求差异。
前百川联创下场、字节腾讯入局，到底谁在看好 AI 播客？
近期前百川智能联创焦可的‘来福’、前妙鸭相机产品负责人张月光的 ChatPods 等 AI 播客产品上线。‘来福’播客全由 AI 生成，国内多款同类产品也相继登场。虽产品效果能达及格线，但在多数播客场景难替代现有内容。
生成式推荐！推荐系统新范式还是新噱头？
文章围绕生成式推荐展开，介绍其概念，探讨效果和成本问题。以Meta的GR和快手的OneRec为例，分析收益与开销，指出不同团队应用情况，认为它或带来架构革新，也提醒勿盲目跟风。
OpenAI资金链告急！紧急启动300亿美金融资，星际之门现在岌岌可危
OpenAI为“星际之门”项目寻求300亿美元融资，该项目由其和软银牵头，总投资可达5000亿美元。但OpenAI与软银在选址和规模上起冲突，软银要求其重组，否则削减投资。OpenAI未盈利，内外危机重重。
全球首个IMO金牌AI诞生！谷歌Gemini碾碎奥数神话，拿下35分震惊裁判
谷歌DeepMind官宣Gemini Deep Think在IMO获官方认证金牌，4.5小时解5题得35分。它用纯英语解题，结合并行思考与强化学习训练。谷歌后续将向部分测试者及订阅者推出模型，还公开了解题过程。
Meta 重金抢人，明星云集就能复制 DeepSeek 的成功吗？
Meta 扎克伯格亲自出手重金招人，组建豪华 AI 战队，核心领导与技术阵容都很强大。但天才招聘只是第一步，组织天才协同才关键。DeepSeek 团队规模小、扁平化，成功逆袭。Meta 难复制其成功，组织重构能力或更重要。
秘塔AI也终于悄悄上线了DeepResearch。
秘塔AI搜索上线新功能DeepResearch，作者测试后评价颇高。它有可视化界面，能展示思考执行过程，打破AI黑盒。输出报告质量好、精准度高，还可生成互动网页，且免费额度多，虽有小问题但仍值得肯定。
腾讯混元推出首款开源混合推理模型：擅长Agent工具调用和长文理解
6月27日，腾讯混元开源首个混合推理MoE模型Hunyuan - A13B，参数80B激活仅13B，推理快性价比高。它在多测试集成绩好，尤其擅长Agent工具调用和长文理解，还开源两数据集填补评估空白。