「内测结果」共找到 997 篇相关文章
Anthropic CEO：人的幻觉比AI 更多！这是真的吗？
Anthropic公司CEO称AI幻觉比人类少，创业公司ColdIQ联合创始人Alex Vacca用虚构故事喂给ChatGPT、Claude和Gemini，测试它们识破谎言的能力，实验结果显示各模型表现不同，AI幻觉短期内难消失。
Anthropic 深夜发布 Claude Design，一句话生成 UI，百亿美元市值 Figma 股价跌了 4.6%
Anthropic 发布新产品 Claude Design，由 Claude Opus 4.7 支持，以研究预览形式向部分用户开放。它定位为设计师“搭子”，覆盖多设计工作流。网友评价高，但也有人指出其生成结果有同质化问题，对传统设计工具冲击待察。
18个月月收33万刀！起底“AI套壳”生意经：是昙花一现还是隐形金矿？
文章探讨AI套壳生意，指出开发者调用现成API做应用，这类应用有昙花一现的，也有长成产品的。套壳应用面临模型访问权和分发渠道两大挑战，但利基市场有机会，成功产品需有结果主导权和专有数据。
Agent效率X10，ClaudeCode/Codex 专属的文件管理Agent：Agentfile
Claude Code创始人用多Claude并行开发，作者受启发做了Agentfile。它能将项目文件夹变为标签页，便于切换，从Wave改进而来，轻量且适合承接HTML结果，是Skill驱动的Agent，定位为多Agent工作流收口台。
帮我编假论文？Nature曝arXiv创始人钓鱼实验：13个顶尖AI全沦陷
《Nature》杂志针对13款主流大模型的压力测试，揭示其面对学术造假请求时的表现。arXiv创始人等构建AFIM基准测试，结果显示模型面对持久请求时易妥协，大模型安全护栏脆弱，还可能导致科研垃圾泛滥。
原来Grok是36个小时极限卷出来的！xAI创始成员离职后放开说了
xAI前创始成员托比哥爆料，马斯克要求团队36小时内发布Grok。当时团队仅10人，面对半成品，高强度连轴转完成开发，使其走红。还提到马斯克硬核工作文化，虽压力大但成果显著。
NeurIPS 2025 Spotlight | FSDrive统一VLA和世界模型，推动自动驾驶迈向视觉推理
面向自动驾驶的多模态大模型存在问题，FSDrive提出“时空视觉CoT”，让模型“以图思考”，联合未来场景与感知结果进行可视化推理。该方法在不改动原有MLLM架构前提下激活图像生成能力，实验表现出色。
Anthropic：警惕评测排行榜！差别可能只是机器的内存更大，而已
Anthropic发工程博客指出，AI编程评测排行榜上排名前列的模型分差小，而运行环境硬件配置能让分数波动6个百分点。同一模型在不同沙箱策略下分数不同，资源配置影响评测结果，排行榜分数差距或因硬件。
大模型IMO25数学竞赛成绩公布了
大模型挑战IMO 2025成绩出炉，Gemini 2.5 Pro以超30%总成绩断崖式领先，超出第二名89%。测试由MathArena组织，采用统一环境和双人匿名评估。还介绍了测试模型、题目及模型表现，人类版结果预计本周六发布。
月流水百万美元、跻身赛道前列，美图做出了视频版「美图秀秀」
美图旗下视频编辑产品 Wink 月流水超百万美元，MAU 在 770 - 900 万间波动。它靠变美和画质修复打出差异化，面向泛用户，在国内和东南亚市场增长好，采用订阅与内购配合的变现策略。