「模型测试」共找到 8417 篇相关文章
更全面的具身智能真机评测来了！CVPR 2026 ManipArena挑战赛邀你打榜
具身智能产业发展迅速，但缺统一、高标准真机评测体系，成发展痛点。中山大学等机构推出 ManipArena 挑战赛，提供科学评测框架，已测部分模型，揭示不同技术路线能力边界，为产业发展提供基础。
Anthropic新模型杀疯了！成本直降 2/3、性能直逼GPT-5，用户实测：比“吹”的还强，速度超 Sonnet 3.5 倍
Anthropic发布Claude Haiku 4.5版本，成本降2/3、性能逼近GPT - 5，速度超Sonnet 3.5倍。该模型已全平台上线，可处理大文件，安全对齐性佳。它能与Sonnet协同，适用于企业与软件开发，Anthropic业务也在爆发式增长。
无痛使用vLLM的工具来了！
vLLM功能强大但上手门槛高，开源项目vLLM Playground是界面化工具，能解决使用难题。它零配置，集成官方vLLM recipes，内置性能测试，安装简单，对业务团队很友好。
Kimi开源又放大招！20秒更新万亿参数的中间件来了
Kimi开源出新中间件checkpoint - engine，让Kimi K2万亿模型参数进入“秒更时代”。它能支持一次性发送更新权重，实现点对点动态更新，在K2中发挥重要作用，还可抵御单点故障。
grok 4一图流
文章展示grok 4核心数据，涵盖训练成本、模型定价，还列举其在通用、专业、数学、推理、编程等能力测试中排名第一的成绩，不过实际水平还有待观察。
Veo何止生成视频：DeepMind正在用它模拟整个机器人世界
通用型机器人策略发展带来挑战，传统评估方法有局限，前沿视频模型虽有潜力但面临困难。Google DeepMind团队提出基于Veo的机器人策略评估系统，经实验验证有效，展示了视频仿真评估的可行路径。
Qwen3.5实战教程：从0到1掌握本地部署与微调
阿里通义千问团队发布Qwen3.5系列小模型，打破“大模型=高成本”惯例。本文全面剖析该系列模型，涵盖核心特性、本地部署实战、模型微调实战，还给出技术细节与问题解决办法。
The Batch: 942｜暗基因组揭秘
AlphaGenome 能解读人类和小鼠基因组中 98% 不编码蛋白质部分，识别多项特征。它经预训练和知识蒸馏，在多项评测超早期模型，API 等免费用于非商业，助研究基因组与生物过程联系。
刚刚，加入腾讯的姚顺雨发表首篇Paper~
腾讯混元与复旦联合发表论文《CL-bench》，姚顺雨署名并全面细致审阅反馈。CL-BENCH 首次单独考‘现学现卖’，有独特设计原则、四大题型，其评分杜绝‘差不多’，还让 10 个前沿模型‘翻车’。
Grok 4.7来了！网友实测先把SpaceX玩坏了，大火箭走起
xAI发布新版大模型Grok 4.7，上下文扩展至50万Token，重点提升编码、Agent及复杂长任务能力，多项专业测试成绩提升明显，发布后网友开启花式实测整活。