「独立测评」共找到 365 篇相关文章
5款大模型考「山东卷」，Gemini、豆包分别获文理第一名
近日，字节跳动Seed团队用2025年山东高考真题对5款大模型进行全科闭卷测评。结果显示，豆包Seed1.6 - Thinking获文科第一，Gemini 2.5 Pro获理科第一。大模型一年间进步显著，未来或融入更多领域。
让GPT-4.1「头皮发麻的考试」！OpenAI给大模型上强度，AI能赢吗？
OpenAI 公布 MRCR 评测标准数据集，其针对 AI 模型上下文能力进行「奥运会」级别测评。MRCR 提升了测试难度，能揭示 AI 能力边界，推动模型发展，帮助更合理应用技术。GPT4.1 在一些测试中表现出色，未来 AI 能力上限充满可能。
AI创业，已经没有“出海”这个词了丨量子位沙龙
量子位举办「聊聊出海应用、场景与渠道」沙龙，实战派分享AI出海生存逻辑，涉及搞钱、降本、捷径等方面。指出AI出海下半场是“去AI化”，用户更关注能否解决问题。还介绍了各企业负责人观点与经验。
Spring AI Alibaba 1.0 GA 正式发布，Java智能体开发进入新时代
2025年AI智能体爆发，Java智能体构建需求激增。Spring AI Alibaba 1.0发布，是基于Spring AI的AI框架，提供多智能体框架、生态集成等核心能力，助力Java智能体开发，还规划了持续迭代、可观测评估等功能。
卖身微软15年后，他带着“工程世界模型”杀回AI牌桌，宣称CAD任务150倍降本、50倍提效
本文报道了曾将创业公司Maluuba卖给微软的创始人Sam Pasupalak，15年后新创Skyfall AI推出号称全球首个“工程世界模型”SKY-001，主攻CAD、BIM领域，宣称实现几十倍降本提效，同时指出目前缺乏第三方验证，成果仍待检验。
Meta亿元天团首个大模型交卷！余家辉宋飏Jason Wei耗时九个月，一雪Llama前耻
Meta超级智能实验室耗时9个月推出原生多模态模型Muse Spark，发布后股价拉升。它让Meta在第三方测评中赶上第一梯队，虽在编程和长时间自主运行有差距，但在多模态理解等方面表现突出，不过也有编程翻车情况。
藏师傅 Kimi K2 Thinking 首测！教你用 Kimi 编程全家桶
本文首发测评藏师傅 Kimi K2 Thinking，介绍 Kimi 编程全家桶。K2 Thinking 有 Agent 化等多方面升级，还推出 Kimi CLI 工具与 KFC 套餐。作者展示全家桶使用方法并多维度测试，肯定其表现，赞 Kimi 战略清醒务实有远见。
哈萨比斯传记里讲了好多八卦啊
量子位怒肝三天啃完哈萨比斯官方传记，扒出9个关于他和DeepMind的劲爆八卦，包括他大学时的潇洒生活、创业经历、投资趣事，以及与扎克伯格、马斯克、辛顿等人的故事，还有DeepMind与谷歌的纠葛。
新国产GPU「曦望」，刚融了10个亿
国产GPU公司曦望Sunrise由商汤2024年底分拆独立，时隔半年完成近10亿融资。其产品曦望S1、S2已量产，S3在研发。两位联席CEO分别是百度元老王湛和AMD芯片老将王勇，核心团队规模小但成果显著。
一手评测Seedance 1.0 pro，字节首次登顶视频大模型竞技场的大杀器来了。
作者在火山引擎发布会现场，认为视频生成模型Seedance 1.0 pro最酷。从多镜头组合、运动质量、情绪、运镜、物理动态效果、风格化六个维度测评，该模型各方面表现出色，无明显短板，已开放给企业用户，今日在豆包App全量上线。