「直播测评」共找到 306 篇相关文章
新瓶旧酒or涅槃重生？操作系统的 AI 进化终将走向何方？
本文基于「AI 进化论：智算时代 OS 的破局之路」直播实录，解码 AI 时代 OS 破局之道。探讨国内外 OS 的 AI 进化差异、内核价值重构、技术跃迁、算力适配等，还提及未来趋势、Agent 生态挑战及 OS 进化关键。
奥特曼承认OpenAI路线走偏了，以及“写代码将变得不再重要”
奥特曼在直播中给出诸多实诚结论，如未来工程师人数或大幅增加，写代码时间将减少，OpenAI搞砸ChatGPT5系列模型，后续会回归通用模型，还探讨了AI对教育、经济、安全等方面的影响。
AgentIF-OneDay 发布，评估全场景长时复杂任务
红杉中国 xbench 发布 AgentIF - OneDay 评测体系，用于评估大模型解决复杂任务的能力。该体系从任务复杂度新视角出发，沿 Scaling Context 和 Scaling Domain 推进，构造了三类典型任务进行测评，揭示了主流 Agent 的能力边界。
工作场景AI化，一个月花100美元订阅AI工具值吗？
AICon 全球人工智能开发与应用大会 2025 北京站即将召开，InfoQ 直播栏目邀请来也科技胡一川、阿里汤威、美团邹明远、快手王东旭探讨 AI 时代「10x 个体」与「10x 组织」，分享落地路径、效率提升及工具使用经验。
GPT-5败下阵，这款中国AI拿下全球第一，众多医生已在用它做诊断
国家卫健委推进“人工智能+基层应用”，基层医生需实用AI助手。未来医生AI工作室的MedGPT在临床“安全”与“有效性”评测击败国际知名大模型夺冠，其两款助手获医生认可，被视为AI赋能基层医疗最佳实践。
提效软件研发，AI Agent好用吗？
InfoQ直播邀请多位专家探讨AI4SE，提及前端知识库特点、Agent自学习等。专家认为AI目前多辅助人类，落地要重视“人”因素，还探讨了应用挑战、衡量维度、未来趋势等，QCon上海站将设专题。
“像把大象塞进冰箱一样困难”，端侧大模型是噱头还是未来？
InfoQ《极客有约》X AICon 直播聚焦端侧大模型，探讨其落地挑战与破局思路。专家指出端侧部署有隐私、可用性等优势，但面临内存、精度等难题。华为、支付宝等分享方案，还探讨应用场景、商业模式及未来趋势。
Qwen紧追OpenAI开源4B端侧大模型，AIME25得分超越Claude 4 Opus
Qwen团队深夜开源两个端侧模型Qwen3 - 4B - Instruct - 2507和Qwen3 - 4B - Thinking - 2507，尺寸对端侧友好，支持256k上下文。后者在AIME25测评得分超Claude 4 Opus，两模型能力较前作均有提升。
机器人竞技赛事刷屏，宇树们抢的不止是流量
今年人形机器人赛事不断，宇树科技直播机器人格斗赛，众擎、加速进化也有相关赛事。企业借赛事抢流量，展示技术实力吸引开发者，打造机器人平台。但赛事娱乐性强，商业化难，企业需找刚需场景落地技术。
扣子 2.5，过了体验那条红线
作者参加扣子Coze官方直播后分享使用感受，认为扣子2.5过了体验红线，普通人打开就能用且能解决问题。它继承龙虾优点，封装大模型能力，前端体验顺畅，还有云手机等功能，虽有不足但值得期待。