「实测」共找到 449 篇相关文章
整整21个月，豆包大模型正式进入2.0时代！
时隔21个月，豆包大模型2.0正式推出。它在多模态理解、企业级Agent、推理和代码能力上有提升，在多个基准测评中达业界最优。实测显示其在编程、数学问题处理上性能出色，性价比也具优势。
陶哲轩亲测Claude跑崩电脑，全靠这份保姆级指令清单翻盘
全球顶尖数学家陶哲轩实测Claude Code，首次完全放权致电脑崩溃。后拆分任务、给出「保姆级」指令，约半小时完成证明。他强调人类应保持「人类在环」，拒绝过度依赖AI。
刚刚，Gemini 2.5 Pro升级，成编程模型新王
Google DeepMind发布Gemini 2.5 Pro (I/O edition)，编程能力大幅提升，在编程排行榜超Claude 3.7 Sonnet。用户用一个提示词或草图+描述就能构建应用，谷歌大佬站台，网友实测效果佳。
豆包收费版第一天，我：充值…又得充值？我要再充值！
豆包开启付费模式，有三档收费标准，学生还有专属优惠。实测发现，付费版体验成熟，办公任务模式友好，但额度消耗快。文章还给出不同人群适合的档位建议。
单任务狂飙16小时！模型+Harness双轮驱动，金融Agent跑通了
2026年AI圈热词Harness成Agent产品基础设施。通用Harness难适配金融订单，易鑫首席科技官贾志峰将开源自研Harness Framework，采用三层驾驭体系，实测效果佳，成本低。
刚刚，Claude实现「永久记忆」！官方还没上线，大神已玩疯
昨天Claude被曝要有永久记忆，今天开发者就用Smart Forking扩展让其拥有「可继承的长期记忆」。实测成功率100%，与官方知识库理念不同，Claude Code也破圈引发轰动。
拯救P图废柴，阿里上新多模态模型Qwen-VLo！人人免费可玩
昨夜阿里推出全新多模态模型Qwen-VLo，在原有能力上全面升级，有细节捕捉、图像编辑、多语言支持等亮点，不受固定格式限制。官方demo展示多种玩法，目前免费可玩，实测其编辑能力不错。
刚刚，喝到了千问APP给我点的奶茶
2026 年初，智能体发展迅猛。Anthropic 发布 Cowork，谷歌联合推出 UCP 标准。1 月 15 日千问 App 上线「任务助理」，打通阿里生态，有 400 多项新功能，实测显示其在多场景表现出色。
Codex自改进Prompt：让AI自己把重复工作变成自动化
开发者Vaibhav更新的Codex自改进Prompt引发AI开发者群体讨论，被OpenAI联合创始人转发。完整版核心逻辑可拆解为8步，加了严格跳过规则。实测有反馈，也有优化建议和现存问题。
刚刚，阿里Qwen3.8-Max来了！冲进全球第一梯队，模型表现直逼Claude
阿里巴巴突袭发布新一代基座大模型Qwen3.8 - Max，它总参数量达2.4万亿，在多场景表现出色，在权威榜单冲进全球第一梯队，性能直逼Claude，且价格实惠，实测反馈良好。