「AI模型测试」共找到 13900 篇相关文章
全球医疗榜第一，中国AI杀疯了！医疗AI迈入Harness时代
火爆的Harness架构在医疗圈落地，智诊科技发布面向医疗健康行业的Agent OS平台WiseClaw 2.0。它以健康档案为核心，有三层流水线等设计，适用于多场景，且在模型、中层能力和上层治理有优势，还获融资加速发展。
明星AI编码助手涨价10倍惹怒开发者！CEO 回应：有人花千元薅了我们10多万，不挣钱不可持续
10月16日，AI代码助手Augment Code更新定价模式，按AI使用量计费，用户称成本涨超10倍。CEO称原模式不可持续，举例有用户带来高额成本。行业内多家公司也调整定价，反映AI编码助手成本和定价难题。
OpenAI 董事会主席：「按 token 计费」大错特错！市场终将选择「按成果付费」
OpenAI 董事会主席 Bret Taylor 参与访谈，探讨创业者在 AI 浪潮中的机会。他将 AI 市场分为三条赛道，认为基础模型创业难，应用 AI 是生路，长尾 Agent 公司或取代 SaaS，商业模式应转向按成果付费。
硅谷的「十万大裁员」：Meta按代码量裁员
2025年，AI浪潮席卷硅谷，引发新一轮裁员潮。从互联网巨头到初创企业，纷纷边裁边招，将资源转向前沿大模型。基层岗位被自动化压缩，顶尖AI人才需求飙升，裁员是职位版图重塑的前奏。
规范对齐：回答前的深思，让安全与行为边界更清晰
OpenAI等厂商将规范融入大模型。上海交大等团队提出规范对齐概念，构建评测基准SpecBench，揭示主流模型不足。探索测试时深思方法，如Align3，能提升模型规范遵循度，项目已开源。
全景视觉的Depth Anything来了！Insta360推出DAP，200万数据打造全场景360°空间智能新高度
Insta360等团队推出全景度量深度基础模型DAP，构建200万量级全景数据引擎，设计三阶段伪标签管线，在模型架构上也有创新，在多项测试中效果优异，项目代码与模型已开源。
Jev火了，但真正重要的不是Jev | 5Y View
TypeSafe AI发布专用决策模型Jev后引发开发者社区关注，本文跳出Jev本身讨论，重新审视大模型通用生成的默认前提，提出AI计算专用化与任务分工的核心观点，预判AI行业发展趋势。
南大团队直击大模型高分神话：人类90分，最强模型仅49分
南京大学傅朝友团队在Google Gemini评测团队邀约下推出视频理解新基准Video - MME - v2。它有创新的分层能力体系与组级非线性评分，经超3300人工时标注。评测显示模型与人类差距大，还揭示传统Acc指标虚高、‘Thinking’并非总增益等现象。
FDE 火了：两个追求 AGI 的公司，为什么都开始「雇人上门」了？
OpenAI 收购 Tomoro 获 150 名现场部署工程师，Anthropic 联合机构成立新公司派工程师驻场。两家顶尖 AI 公司均用几十亿美元买人，引入 FDE 概念，表明强大模型需结合现场服务释放 AI 能力。
阿里“闪电战”再发力，这次是千问APP
阿里在AI领域影响力大，Qwen3-Max模型能力强，开源模型Qwen3-235B在Lmarena上开源第一。新发布的千问APP成Qwen模型第一入口，功能丰富免费，体验佳，是同类产品劲敌。