「基准测试成本」共找到 3416 篇相关文章
突发！Opus 5.2深夜上线，RSI真来了？
Anthropic在Claude Code开启Claude Opus 5.2灰度测试，跳开5.1版本，解决了以往AI“偷懒病”，响应速度、输出质量大幅提升，同时曝光内部已用核武级Model 2编写代码，RSI或已来临。
60天融资数千万，何泳澔出任CTO！这家黑马冲刺「最后一公里」
本文报道具身智能赛道初创虚时科技，60天内累计完成数千万元融资，前地瓜机器人具身智能算法负责人何泳澔出任CTO。公司押注仿真训练解决机器人落地数据瓶颈，推出全链路闭环仿真训练系统，已获得工业场景订单。
基于 Qwen3.8-Max 构建 AI 合同精审系统：文档解析、多轮条款分析 Pipeline 工程实战
本文分享基于Qwen3.8-Max大模型+Python Flask搭建AI合同精审系统的完整工程实战，包含环境配置、项目架构、核心模块开发，记录开发踩坑经验，附AI与人工审查的实测对比数据，适合中小企业合同初审使用。
超硬核，腾讯给力！
文章介绍腾讯朱雀实验室开发的AI安全红队测试平台A.I.G，能对AI系统做全面“安全体检”，覆盖AI基础设施、MCP、LLM等风险。它功能实用，安装简单，适合折腾AI服务或MCP的人。
免费AI办公套件真香，节省一大笔会员费
Genspark团队开源AI办公套件GenOffice，全平台免费无广告。它界面类似微软Office，零成本上手，AI能直接编辑文档。虽处Alpha阶段，但可切换多种模型，还给出了配置第三方模型的方法。
做过十遍还要从头摸索？Agent 的记忆终于开始长成技能
MemTensor 等机构提出无需训练基础模型的 MSCE 框架，为 Agent 外部经验建‘晋升制度’，让经验成技能。该论文在 EvoAgentBench 与 LoCoMo 测试中结果更好，但在因果证明、模型依赖等方面有不足。
搜索智能体也需要「操作系统」：SearchOS 开源多智能体协作框架
人大和蚂蚁的 SearchOS 研究，给出搜索智能体在长程任务中问题的答案。它借鉴数据库理念，做了多项核心设计，在开放信息检索基准评测领先，已提供多种使用方式，值得长程调研尝试。
LabVLA：当AI走进科学实验室，浙大x上海 AI Lab联合探索科学具身智能
浙江大学与上海人工智能实验室联合推出 LabVLA，探索更具泛化能力的科学具身智能范式。团队构建仿真数据引擎 RoboGenesis 与语料 LabEmbodied - Data，LabVLA 在多测试中表现良好，还将探索多场景应用。
Claude Fable 5重新上线！GPT-5.6秒跟
Claude Fable 5重新上线，或为小范围灰度测试。此前因出口管制停产近两周。它能力强但烧Token，社区一直盼回归。同时，GPT - 5.6在Fable 5上线后秒跟，将分批发布。
人类56年解不出，谷歌AI一夜连破9道世纪难题！
Google DeepMind发布全新AI数学智能体AlphaProof Nexus，一次性攻克9道悬而未决几十年的Erdős开放问题，最老的已悬置56年。证明经Lean编译器验证，无错误可能。此外，还在多数学分支取得突破。