「评测成绩」共找到 867 篇相关文章
单卡搞定万帧视频理解！智源研究院开源轻量级超长视频理解模型Video-XL-2
智源研究院联合上海交通大学等机构发布新一代超长视频理解模型Video-XL-2。它单卡能处理万帧视频，编码2048帧仅需12秒，在效果、长度和速度上全面优化，已开放模型权重。
模型不是企业的护城河，那什么才是？
文章指出企业AI进入深水区后，真正的竞争是将AI变成企业自己的智能引擎。衔远科技创始人周伯文提出泛化基础上的深度专业化是企业竞争力来源。衔远发布EnterpriseClawBench，揭示企业需私有化评估和可持续进化能力。
走出 MMLU 的高分幻觉：AI Agent 的「斯坦利时刻」与职场生存法则
文章指出多模态大模型在基准测试分数高，在实际业务流程却像‘职场巨婴’。研究团队构建Trainee - Bench测试顶尖模型，结果显示模型离‘独立上岗’远，凸显提升Agent自主学习性的重要性。
ChatGPT引爆教育革命，学习效果暴涨86.7%！
新智元报道，Nature子刊元分析汇总51项研究，揭示ChatGPT显著提升中小学生学业表现和高阶思维能力，不限学科和使用方式，还能减轻精神负担，但使用需家长和老师指导。
生数科技按下B端商业化快进键：30天签约智谱、飞书等多家行业龙头｜甲子光年
AI视频生成行业商业化加速，生数科技不到一周官宣与智谱、飞书等合作。其Vidu基座模型能力强，多领域开花，2025年Q1商业化增速快，还凭交付与服务能力获头部青睐。
24小时、78轮实验、持续迭代，AiScientist自己把最优解一步一步逼出来了
中国人民大学高瓴人工智能学院的AiScientist挑战让AI持续推进研究工程。它采用“thin control over thick state”设计，通过分层编排和File - as - Bus等方式，在多任务上表现出色，为AI科研工程补上关键底座。
DeepSeek新模型DeepSeek-V4-Lite-285B测试曝光：“大海捞针”召回率100%
社区消息显示DeepSeek正测试新模型DeepSeek - V4 - Lite - 285B，用OpenAI MRCR 8 - pin标准考察超长上下文信息检索能力。测试结果优异，但‘大海捞针’法或被DSA作弊，实际效果存疑，社区高度关注其进展。
Windows AI助手免费进化！能操作电脑、登录网页、生成代码
Windows Copilot正式更新，Microsoft 365 Copilot中Researcher智能体新增“计算机使用”能力，能操作电脑、登录网页、生成代码等。更新已在预览版上线，还介绍了其运行机制和性能测试情况。
微软正式发布 Agent Framework Harness 和 Hosted Agents
2026年4月2日微软发布Agent Framework 1.0版本，Build 2026大会上相关组件进入稳定发布阶段，后Harness和Foundry Hosted Agents正式发布，解决构建和运行时问题，还介绍其功能、优势等。
字节豆包2.0重磅发布！成本暴降一个数量级，Seed团队揭秘视频Agent竞争关键
今日字节发布豆包大模型2.0系列，围绕大规模生产环境需求优化，有Pro、Lite、Mini和Code四款模型。其Token单价低一个数量级，多模态理解能力升级，未来将围绕长链路智能系统构建发展。