「产品评估」共找到 2246 篇相关文章
御三家格局松动：Google和Meta同日发布新模型，第三名不再稳了？
2026年9月2日，Google推出Gemini 3.8 Flash，Meta发布Muse Spark 1.3。此前Google经历人事调整、旗舰延期，靠Flash维持节奏；Meta则重建团队、收窄战略。二者产品定位相似，各有优劣。
让沉默三千年的甲骨开口：首个模仿人类专家工作流的辅助释读系统
近日，华中科技大学等联合团队推出首个模拟专家释读流程的人工智能系统AlphaOracle，辅助甲骨文破译。它整合多类资料，形成证据链，经专家评估，有较高评价且能节省分析时间。
Claude Code 修了几个小 bug，却揭开了 Agent 落地的大麻烦
Anthropic给Claude Code发的更新，看似是修小bug，实则指向AI编程产品正从“模型会不会写代码”转向“Agent能否稳定完成任务”，暴露了工具状态、权限边界等执行问题。
刚刚，Claude最新功能泄露！主动助手Orbit接管一切工作
2026年5月4日，testingcatalog挖出Claude隐藏功能Orbit，大概率会在5月6日Code with Claude大会发布。Orbit是主动式简报+洞察系统，跨Claude和Claude Code平台，能自动生成多工具简报，改变产品形态。
The Batch: 952 | GPT-5.5 性能领先，但幻觉问题突出
OpenAI 最新旗舰模型 GPT-5.5 是闭源视觉 - 语言模型，在重要基准测试中表现领先，但在区分已知未知内容上有困难，幻觉问题突出，在主观评估中落后于对手。
北大开源统一世界模型框架：多类合成推理任务一套搞定
世界模型研究中，不同任务存在接口不统一等问题。北大DCAI课题组联合多方推出OpenWorldLib推理框架，整合多模态能力，构建标准化接口体系，在多任务上评估效果良好，降低研发门槛。
MiniMax 上市后的第一个开源：给 Coding Agent 立个规矩
2026 年初 MiniMax 成功上市港股，市值达 1100 亿港币。其上市后首个开源项目 OctoCodingBench 聚焦 Coding Agent 评估，解决规则复杂时 Agent 合规问题，为其立规矩，有重要社区价值。
多模态推理新基准！最强Gemini 2.5 Pro仅得60分，复旦港中文上海AILab等出品
现有多模态大模型benchmark对逻辑推理理解不足，复旦大学等单位提出MME - Reasoning评估其推理能力。对30 + 模型评测，最优得分仅60%左右，反映出模型多方面推理短板。
量子位编辑作者招聘
量子位是追踪AI新进展的内容平台，现招聘AI产业、财经、产品方向编辑作者，岗位有主编、主笔、编辑。全职工作地点在北京中关村，社招、校招均有，有丰厚回报和成长机会。
AI数据中心买光内存，手机电脑涨价潮开始
近日苹果官网多款产品全球涨价，微软、索尼、任天堂等也纷纷提价。库克称是AI数据中心建设热潮致内存短缺、芯片涨价。内存制造商产能有限，优先供应AI客户，消费电子厂商只能将成本转嫁给消费者。