「性能测试」共找到 3325 篇相关文章
全网疯传！Claude最新模型意外曝光：全面碾压Opus 4.6，强到让Anthropic不敢发布
Anthropic“手滑”泄露最强新模型Claude Mythos，它在编程、推理和网络安全测试中表现超Claude Opus 4.6。因模型“黑客能力”强，Anthropic发布谨慎。此外，该公司还意外泄露3000多未发布文件。
聊聊 Token 出海的生意经：模型开源给世界，中国赚什么？
本文围绕中国开源模型展开，介绍了 Cursor 使用 K2.5 模型事件，阐述了开源模型供应链，分析了中国开源模型受欢迎原因，探讨小公司技术机会，还提及开源面临的挑战及未来趋势，指出其正改变全球 AI 基础设施格局。
我在微信免费养「龙虾」，玩到上瘾，这组CP太强了
2026 开年「龙虾热」渗透各类任务场景，腾讯动作密集。其自研 WorkBuddy 优势明显，与微信 ClawBot 联动成「官配」。经测试，它能高效处理多类任务，还为用户提供权益，腾讯龙虾矩阵加速成形。
文言文秒杀所有大模型！100%攻击成功，轻松突破安全防线
南洋理工等机构团队提出基于文言文语境的自动化黑盒测试框架CC - BOS，利用果蝇算法和8维策略空间，暴露主流大语言模型安全盲区，实验显示对6款主流模型攻击成功率达100%。
先进封装成为AI芯片胜负手
2026年先进封装企业在多方面有新进展，其对芯片性能等指标影响大，全产业链都在加码布局。委外封测厂、代工厂看好其营收贡献，市场动能明确，各环节技术创新也多点突破。
安全的下一个好赛道，非常值得研究
近几年机器人发展火爆，摩根士丹利预测到2050年产业规模或超5万亿美元。但机器人领域安全复杂，研究团队用CAI框架对三款消费级机器人渗透测试，揭示严重安全问题，且行业整体对安全无知。
MMLU已死？「人类最后考试」登Nature：全球AI模型集体不及格！
AI发展迅猛，现有基准测试难以跟上其步伐。近1000名研究人员组成的全球联盟创建「人类最后的考试」（HLE），涵盖多领域难题，目前最强AI准确率不足50%，凸显AI与人类专家的差距。
吴恩达复盘百度岁月：我带过的自动驾驶、智能音箱都成了！Altman 我也带过，但 Gemini 3 比 ChatGPT 强
吴恩达团队提出新版图灵测试界定 AGI，避免行业泡沫。在播客中他还谈及 AI 关键议题，指出 AGI 短期难实现，规模化非唯一路径，AI 不会大面积取代岗位，中美 AI 各有优势等。
小米的首代机器人VLA大模型来了！丝滑赛德芙，推理延迟仅80ms丨全面开源
具身机器人成科技新热点，大家期待其释放生产力。小米首代具身VLA大模型Xiaomi - Robotics - 0抓间歇停顿问题，4.7B参数规模下推理延迟仅80ms，还做三项技术创新，且全面开源。
挺意外的，Agent长期记忆潜力被AMemGym挖出来了
论文提出交互式在线策略评测框架AMemGym，它能反映AI助手长期记忆能力、驱动Agent自我进化记忆。它以结构化状态演化为骨架支撑自由对话评测，还对主流记忆系统做了扫描，带来评估与训练范式转换。