「AI模型测试」共找到 13965 篇相关文章
AI编程真面目：完整项目通过率仅27% | 上交大新基准
多校联合团队发布ProjDevBench，评估AI编程智能体端到端项目开发能力。结果显示，六种主流智能体总体提交AC率仅27.38%，从零构建任务中性能大幅下滑，还揭示了智能体多方面短板。
7000 亿砸 AI，95% 失败：这一轮可能不会再造"电力时代"
文章指出本轮 AI 革命与前几次不同，虽资本大量涌入，但新需求少，多是降本和耗电。分析了其经济影响，如通缩压力、鲍莫尔病反转、K 型分化等，还给出个人发展建议。
AI Agent 落地之困：为什么“人”与“流程”是最大障碍？
本文解读 MMC 报告，揭示 AI Agent 落地面临核心挑战、衡量标准、付费模式及落地策略。指出最大障碍是‘人’与‘流程’问题，如工作流集成、员工抵触、数据隐私等，还提及企业付费情况和成功落地秘籍。
胜率直逼人类大师！这套Agent揭开中国AI「玄学真相」
在无信息泄漏的术数题库中，Claude、GPT等主流模型准确率低，而Tianfu Agent系统将准确率提至50%，逼近人类Top20选手。它采用多Sub - Agent协作等策略，还在工具管理、规则使用等方面有创新。
AI图像水印失守！开源工具5分钟内抹除所有水印
一款名为UnMarker的去水印技术，能在5分钟内去除市面上几乎所有AI图像水印，谷歌HiDDeN已被完全破解，SynthID被攻破79%。它保持较高图像质量，已在GitHub开源，凭消费级显卡可本地部署。
GPT-5.6 Sol暴涨3倍，OpenAI最强视觉AI登顶！
第三方评测机构Roboflow测试显示，GPT-5.6 Sol在目标检测、计数等视觉任务上表现出色，尤其在文档版面识别和密集场景处理上进步明显，但认字能力有退步，且大尺寸图片检测框易飘移。
维基百科，终结了！马斯克开源版上线，用AI重写「真相」
马斯克发布开源版「维基百科」Grokipedia V0.1，称其足以秒杀维基百科。它收录超88万篇文章，通过Grok核查事实，支持交互、申报错误。但上线后遭质疑抄袭，也有好评，维基百科受AI搜索冲击，需翻身。
15 块钱的纸手机，看哭无数人的 AI 短片
清明节，一支AI制作的短片刷屏，讲述小男孩用15块钱买手机想和去世奶奶通话，老板画纸板手机圆其念想，后又追出去给真手机。短片用纸手机装下思念，展现人心善意。
Anthropic顶级Claude模型被逆向开源，这几个模块借鉴了DeepSeek
22岁开发者逆向开源Anthropic的Claude Mythos Preview模型架构，名为OpenMythos。其核心模块借鉴DeepSeek，采用带混合专家路由机制的循环Transformer，有独特设计和稳定机制，重新框定扩展性争论。
当 AI 制造的谎言比真相更吸引人时，会发生什么？
过去假照片制作难，如今AI工具让造假人人可用。深度伪造或使虚假信息泛滥，影响政治，还会瓦解真相与信任。未来神话塑造可能比真相追寻更有影响力。