「大模型测试」共找到 9855 篇相关文章
7 小时连续重构不掉线！一骑绝尘的Claude 终于遇到对手：Greg Brockman亲自解读AI编程重大突破
9月16日，OpenAI推出新模型GPT-5-Codex，专为AI辅助编程工具设计。它在代理编码基准测试中表现佳，形成了覆盖各种需求的交互界面，还具有更优的后训练特性，能连续工作7小时完成复杂重构。
o3-pro答高难题文字游戏引围观，OpenAI前员工讽刺苹果：这都不叫推理那什么叫推理
OpenAI“最新最强版”推理模型o3 - pro引发关注。首位全职提示工程师给它设难题，它推理后答对。OpenAI前员工借此讽刺苹果。各大评测榜单显示其表现与官方有差异，苹果&SpaceX前工程师分享使用心得，肯定其表现。
一条SQL管理向量全生命周期，让AI应用开发更简单
在大模型驱动的AI浪潮中，向量在AI应用开发中至关重要，但开发者面临技术栈分裂等隐形成本。PolarDB IMCI提出解决方案，在数据库内核集成向量索引与Embedding能力，用一条SQL管理向量全生命周期，降低开发和维护门槛。
对话 Plaud 莫子皓：你还记得 PMF 的感觉吗？
本文是对Plaud中国区CEO莫子皓的采访。Plaud是全球成功的AI硬件Startup，产品大卖。莫子皓分享业务、增长原因，探讨PMF、产品形态迭代、功能亮点，还谈及产品定位、人群、未来计划及进入中国市场决策等。
接入 MiniMax M2.7 后，我的 OpenClaw「超进化」了
作者实测 MiniMax 新模型 M2.7，其在基准测试、代码能力、多智能体协作等方面表现出色。接入 OpenClaw 后，能高效完成复杂任务。M2.7 指令遵循率高、长上下文处理能力强且价格低，有望提升 Agent 生态表现。
【一手实测】字节豆包 1.6 + Trae + 火山 MCP + FaaS：AI Agent 开发部署全流程体验！
本文作者实测字节豆包1.6系列模型，用其设计落地页，还借助Trae、火山方舟MCP等实现AI Agent开发部署全流程。测评显示豆包1.6多模态能力强，处理复杂指令效果好，价格实惠，字节AI云原生生态前景佳。
AI 时代的人们，正在两极分化
文章指出人们对AI的认知正出现巨大裂缝，Karpathy将人分为两拨，一拨用免费版ChatGPT后认为AI不过如此，另一拨花高价订阅前沿模型感受其惊人进步。不同用户群体使用的AI能力代差大，还提及使用时长维度。
PCIe显卡被低估了！内核补齐+通信重构，DeepSeek推理吞吐直接翻近7倍
当前大模型算力需求攀升，高端GPU供给紧成本高，大量PCIe长尾GPU算力因框架适配不足被禁锢。是石科技自研Meta-Infer推理引擎，通过纯软件优化挖掘硬件潜力，让DeepSeek推理吞吐提升近7倍，方法也适配国产GPU。
The Batch: 885 | Claude 升级了
Anthropic更新中型模型Claude Sonnet至4.5版本，在性能上显著提升，还引入可变推理token预算。Claude Code智能编码工具也获功能增强，新增Claude Agent SDK等。测试中Claude Sonnet 4.5表现优异，Anthropic重心转向编码与职场生产力。
不敢信？中国AI国家队出手，刚刚通关了万亿级主战场「地狱副本」
文章指出智能体虽强，但在招标采购等落地场景面临挑战。科大讯飞发布招采智能体平台，提出智能体工厂概念，解决招采痛点。还提炼出四个行业判断，分析其成功原因，标志AI在B端场景走向落地。