「基准测试平台」共找到 3301 篇相关文章
Claude Sonnet 4 支持百万上下文了，AI Coding 的想象力更大了
Anthropic宣布Claude Sonnet 4支持100万Token上下文窗口，容量为之前5倍。该功能已在部分平台公测，将推给更多用户。它支持复杂任务，有新定价和成本优化方案，获早期用户高度评价。
半年研发、1周上线，1秒200行代码爆发？美团研发负责人：靠小团队奇袭，模型和工程能力突破是核心
美团基础研发平台工程效率负责人程大同在访谈中解答了美团 AI Coding Agent 产品 NoCode 的相关问题，包括模型性能优化、产品定位、用户画像、使用边界等，还谈及与 CatPaw 的关系及未来规划。
腾讯张正友：具身智能必须回答的三个「真问题」
7月27日，腾讯发布具身智能开放平台Tairos。发布会后，腾讯张正友剖析战略选择背后的三个核心问题：架构上主张分层架构；认为具身智能第一性原理是身脑融合；强调要为长远目标放弃短期商业利益。
Claude 小升级就赢了OpenAI 9年“开源神作”？高强度推理直接歇菜、幻觉率高达50%，写作还被Kimi 2吊锤？
OpenAI发布首个开源语言模型系列gpt - oss，包括gpt - oss - 120b和gpt - oss - 20b，可在Hugging Face下载。同期谷歌、Anthropic也有新模型推出。gpt - oss有亮点，但也存在幻觉率高、实测效果差等问题。
OpenAI新模型gpt-oss-120b怎么样？三大场景实测首发（对比GLM-4.5-Air）
OpenAI发布新开源模型gpt-oss-120b，时隔6年再推开源权重语言模型，给LLM开源生态增添变数。作者实测它在三大场景的表现，并与GLM-4.5-Air对比，认为其距开源SOTA有距离。
一条SQL管理向量全生命周期，让AI应用开发更简单
在大模型驱动的AI浪潮中，向量在AI应用开发中至关重要，但开发者面临技术栈分裂等隐形成本。PolarDB IMCI提出解决方案，在数据库内核集成向量索引与Embedding能力，用一条SQL管理向量全生命周期，降低开发和维护门槛。
Anthropic官宣「封杀」OpenAI！GPT-5发布在即，竟被曝用Claude Code做开发？
本周二，Anthropic切断OpenAI对其大语言模型的Claude API访问权限，指其违约用Claude支援GPT - 5开发及安全测试。此举标志AI巨头围绕数据与接口展开新一轮封锁战，API成战略资源。
python打造Google(A2A)+MCP，Langchain生态互补
文章介绍Google的Agent2Agent（A2A）协议，它能实现AI代理通信协作，打破平台孤岛。还提及MCP协议，二者互补。重点介绍python - A2A库，它实现A2A规范，与多框架、模型集成，给出实战示例。
你以为百度慢了，其实它在走一条最难的路
2025 WAIC 上，百度展示多项成果。萝卜快跑获上海牌照、入选‘国家展’，商业化加速；慧播星推 NOVA 数字人技术；飞桨平台等也入选‘国家展’。百度构建全栈架构，把 AI 从炫酷变好用。
ICML 2025 | 大模型能在信息不完备的情况下问出正确的问题吗？
当前大语言模型推理研究多聚焦被动推理，主动推理研究少，制约其在现实场景应用。为此提出 AR - Bench 基准评估大模型主动推理能力，实验显示大模型主动推理能力严重不足，并指出后续拓展方向。