「产品测试」共找到 3214 篇相关文章
阿里老兵造出会说话的迪迦！AI玩具单品20万销量，红杉等2亿A轮抢投
跃然创新推出全球首款迪迦奥特曼AI玩具，完成2亿A轮融资。其首代产品BubblePal销量达20多万台。新品改进诸多不足，优化体验，强调安全。公司瞄准AI Friend，未来产品分儿童和成年线。
从Demo到产品，这场AI实战迎来最终验收 | AI Hackathon Tour 高校联赛
AI Hackathon Tour高校联赛复赛结束，225个团队中57支精英战队晋级决赛。3月21日将在南京进行终极验收，还组建豪华评审天团。大赛由魔搭社区、Datawhale发起，为期100天。
Q:Lab · 龙虾季 | 直播预告
InfoQ 中国推出「Q:Lab」AI 产品测评直播栏目，第一季「龙虾季」聚焦 AI Agent 产品，共 3 期直播，覆盖 9 款核心产品，每期围绕真实职业场景测评，由一线从业者操作并现场出结果。
Anthropic发布Claude Sonnet 4.5：编程能力再登顶，新产品试图颠覆Windows操作系统
今日凌晨Anthropic发布Claude Sonnet 4.5，该版本在编程、计算机使用等能力上显著提升，开放Claude Agent SDK，还推出多项产品功能更新及“Imagine with Claude”研究预览，或对AI编程和Agent产品洗牌。
多模态模型具备“物理推理能力”了吗？新基准揭示：表现最好的GPT-o4 mini也远不及人类！
来自多机构研究人员构建PhyX基准测试，评估多模态模型物理推理能力。测试显示，即便表现最佳的GPT - o4 mini准确率仅45.8%，远不及人类的75.6%，且模型在多方面存在结构性缺陷。
刚刚，GPT-6正式发布！OpenAI：欢迎来到AGI时代
OpenAI正式发布GPT - 6 Astra和GPT - 6 Astra Pro，宣布AGI时代开幕。该模型训练规模大，能力升级显著，价格公布。基准测试成绩优异，在多方面表现突出，还展示诸多实际应用案例，已有企业开始测试。
不让“猪队友”拖后腿！哈深新作 AgentDropoutV2，专治多智能体“传话游戏”翻车现场
多智能体系统中，常有agent出错带偏整体。哈工大联合阿里提出AgentDropoutV2，测试时介入，设‘质检员’审核输出，结合失败案例构建‘避坑指南’，在多测试中显著提效，泛化性强。
OpenAI深夜放出GPT-5狙击谷歌！基准测试碾压前代模型，价格比Claude更便宜
北京时间8月8日凌晨，OpenAI推出GPT - 5，宣称其更智能、准确，幻觉率低。还推两款新模型，介绍了不同用户套餐。它在编程基准测试表现佳，健康领域能力突出，引发各界热议。
图像编辑模型不止生成：BIGAI&上交大提出EAR范式，系统测试其视觉规划能力
上海交通大学联合北京通用人工智能研究院提出EAR范式，构建AMAZE基准，分析图像编辑模型视觉推理能力。研究发现模型零样本表现弱，扩散式模型更适合视觉规划，CoT效果不稳定等。
现在对开发者的定义，就像会写字的都叫书法家一样
作者对开发者定义感到困惑，如用扣子搭工作流、用秒哒产出网站也算开发者。AI 产品宣传覆盖大量开发者，造成泡沫，伤害真正开发者。还指出开发者痛点，给出做产品和发展的建议。