「软件评测」共找到 1250 篇相关文章
Claude 吞噬整个AI编程栈？“Vibe Coding 公司的最大错觉是以为自己有护城河”
近日网友爆料Anthropic开发类似Lovable功能，可构建全栈应用。此前Claude Code源码泄露，展示其构建软件开发全流程“执行层”能力。AI编程进入“大收割时代”，模型厂商吞噬工具趋势显现，Lovable等平台护城河受挑战。
谷歌TPU能撼动英伟达吗？前TPU工程师首次揭秘
在AI算力争霸时代，英伟达GPU市值狂飙，但蛋糕正被分食。前谷歌TPU工程师Henry揭秘TPU，从架构、产能、软件等维度分析其优缺点，指出在特定条件下TPU可挑战GPU，未来芯片市场将百花齐放。
红杉中国xbench全球首发，AI智能体真实战力揭榜！
红杉中国推出全新AI基准测试工具xbench及相关论文，采用双轨评估体系和长青评估机制，首期发布两个核心评估集并综合排名，还提出垂类评测方法论。它能追踪模型能力与实际场景价值，解决现有评估难题。
Claude新模型危险，鲍威尔召集华尔街紧急开会！全美安全股暴跌2万亿
Anthropic的新模型Mythos能力超强，被指或对金融业造成重大风险。鲍威尔和贝森特紧急召集华尔街开会预警。消息传出，美国软件板块暴跌，SaaS领域近2万亿美元市值蒸发。Anthropic拒绝向公众发布该模型，启动防御项目。
比肩Claude Opus：阶跃星辰最强模型Step 3.5 Flash发布
阶跃星辰发布最强模型 Step 3.5 Flash，参数强大，性能与前沿顶级大模型并驾齐驱。其架构平衡算力与智力，有独特注意力布局；基础设施保障训练稳定；强化学习激发智能体潜能；评测数据显示战斗力强，未来还将持续优化。
字节Seed实习生曝DeepSeek-V4技术缺陷：长文本检索陷入“周期性盲区”
本文报道字节跳动Seed团队联合多校研究者，发现DeepSeek-V4因分块KV缓存压缩设计存在长文本检索周期性盲区，深入拆解缺陷根源，曝光传统大模型长文本评测的盲区。
指导Harness的越多，收益反而越差
Thinking Machines Lab的《Interaction Models》指出，当下产品形态中，指导harness越多收益越差。问题在协作带宽，提出把“会交互”练进模型本体，介绍了从零训练的interaction model及架构，还指出现有交互评测不足。
刚刚，MiniMax直接让龙虾学会自我进化，也认识「马嘉祺」了
在 GTC 2026 大会上，英伟达推出 NemoClaw。国内 MiniMax 加快‘AI 养虾’布局，推出 MaxClaw 模式。新发布的 M2.7 能力升级，在多方面表现出色，还在科研评测中获佳绩，实测效果良好，开启自我进化。
节前重磅：开源旗舰模型新SOTA，智谱GLM-4.6问世
国庆前智谱AI发布新一代旗舰模型GLM-4.6并将开源，它在多方面提升，如编码、上下文长度等，评测性能佳，token消耗降低。经实测，其代码、研究、开发等能力强，成全球开源AI领域重要力量。
华为超节点：用「一台机器」的逻辑，驱动AI万卡集群
在华为全联接大会2025上，华为基于自研灵衢互联协议创新超节点架构，重新定义大规模有效算力新范式。它能解决传统集群通信问题，还推出覆盖全场景的产品组合，并强调‘硬件开放、软件开源’生态战略。