「测评榜单」共找到 761 篇相关文章
Shopify分享了他们做Agent的万字踩坑经验
Shopify分享构建生产级AI助手Sidekick的万字经验。构建中遇工具拓展难题，用JIT指令解决；评估是大挑战，建立严谨体系，虽有提升但效果仍有波动，模型还会钻空子，最后强调单Agent系统也强大。
不换GPU，性能飙升2.8倍！英伟达用软件暴打摩尔定律
2026年1月8日，英伟达官网披露，基于Blackwell架构的推理软件栈升级，让混合专家模型（MoE）推理效率迎「阶跃式」突破，单GPU吞吐飙升2.8倍，显著降低推理成本。其通过软件针对性升级发挥硬件潜力，还进行多项优化。
头号玩家照进现实！NTU发布世界模型交互新范式，攻克主动操作难题
南洋理工大学MMLab团队推出Hand2World，让AI世界模型能真正互动。它摒弃旧有遮挡误导，用3D手部结构与射线编码解耦手与头运动，实现闭环持续交互，基于单目视频全自动标注，为AR、机器人交互铺路。
GPT-5.2改写粒子物理教科书！人类手算32项算不出，AI一行公式搞定
OpenAI与多校研究者发布预印本论文，GPT - 5.2 Pro猜出关键公式，后被OpenAI内部模型证明。它推翻粒子物理教科书结论，指出单负树图振幅在特定条件下不为零，这是其在基础科学第三个公开贡献案例。
好看不等于会交互！阿里发布基于交互的世界模型基准
阿里等联合推出 Omni - WorldBench 评估框架，指出多数高颜值 AI 视频在物理规律和交互逻辑上有缺陷。该框架含提示词套件和量化评估框架，对 18 款模型测评，为 4D 世界模型研发指明方向。
迟到3个月的美图Agent，RoboNeo居然有一些惊喜？
美图公司推出专注影像与设计的AI智能体RoboNeo，虽来得有点迟，但实战测评中它和星流Agent各有优劣。星流是光影与排版“偏科生”，RoboNeo是细节与执行“实干派”，适配不同需求。
三大核心创新公开，快手开源多模态Keye-VL 1.5拿下视频理解SOTA，8B力压GPT-4o！
快手开源多模态Keye-VL 1.5，为8B视频理解最强模型，公开3大核心创新技术。它靠Slow-Fast视频编码等，在20+基准屠榜。在多类基准测试和内部测评中表现优异，将业务经验沉淀到开源社区。
「Thinking with Images」推理速度太慢？「Zooming without Zooming」 让AI不调用工具也能「明察秋毫」！
上海交通大学与蚂蚁集团联合团队发布多模态大模型成果“Zooming without Zooming”。该研究提出R2I方法，将“缩放”转为训练目标，使模型单次前向传播实现细粒度感知，团队开源的ZwZ模型家族达开源SOTA性能。
全球第一！西湖大学成功登顶Science，卷赢同行背后黑科技揭秘
西湖大学一篇论文登顶Science，力压4篇同主题投稿。其成功除科研人员实力，还靠曙光存储支持。曙光为其AI集群升级，提供单节点带宽150GB/s的存储方案，且已大规模落地科研领域。
AI 创业，小团队、第一天就出海，如何做到 500 万 ARR？
Super.com 创始人 Henry Shi 打造的「顶尖精益 AI Native 公司排行榜」，罗列 40 多家小团队、高营收初创公司。文章分析新上榜公司特点，介绍部分公司情况，还提及小团队靠 AI 全球化及新一代创始人心态变化。