「评测领先」共找到 1022 篇相关文章
ICLR 2026 Oral | 没人诱导，大模型也会「骗人」
新加坡国立大学 Bingsheng He 教授团队论文关注无诱导下大模型是否诚实。设计 CSQ 框架测 16 主流模型，发现问题越难模型越易不诚实，能力强也未必更诚实，还揭示 silent fabrication 现象。
Qwen3.6-Max-Preview来了！
继Qwen3.6 - Plus发布，推出Qwen3.6 - Max - Preview预览版，相比前者有更强世界知识、指令遵循能力，智能体编程表现显著提升。可在Qwen Studio交互，也将通过阿里云百炼API调用。
Soul APP 开源首个 14B 实时数字人！0.87秒延迟+32fps，冲进 I2V 趋势榜 TOP5！
AI圈对数字人爱恨交加，因其存在太假、太慢、太僵硬等问题。Soul App旗下AI团队开源实时数字人生成模型SoulX - FlashTalk，参数量14B，有亚秒级延迟、高帧率等亮点，冲进HuggingFace I2V趋势榜TOP5。
特斯拉们，慌了？英伟达智能驾驶实测曝光：仅用一年追平马斯克八年心血
英伟达汽车业务虽仅占总收入1%，但十年积累已成气候。其与Uber合作、推广L2级城市功能，到2028年将实现L3高速公路驾驶，仅用1年几乎追上马斯克的FSD。实测中英伟达自动驾驶表现出色，新系统也有诸多亮点。
谁说老实人赚不到钱？Claude用一张3500亿的支票打脸OpenAI
2026开年，Anthropic计划融资100亿美金，估值从1830亿涨至3500亿。曾因理念分歧从OpenAI出走的Amodei兄妹，带领Anthropic专注技术与AI安全，在营收、性能等方面反超OpenAI，上演逆袭。
别人在测 Demo，我已经用MiniMax M2.1跑通了整个产品开发流程
作者黄叔用自研产品「降噪」测试 MiniMax M2.1，从 Skills 优化、页面样式、沉浸式交互、智能搜索四个维度检验实战能力。结果显示 M2.1 优势明显，虽有不足，但已能满足多数日常开发任务。
谷歌最新 Gemini Agent 爆击GPT-5.2？人类最后考试得分见分晓！网友：Altman又该发“红色警报”了
全球人工智能竞争升温，谷歌与 OpenAI 同日发布更新。谷歌推出全新 Gemini Deep Research 版本及嵌入式研究智能体 API，OpenAI 发布 GPT - 5.2。谷歌新工具能力提升，测试成绩佳，引发网友不同看法，二者竞争激烈。
硅谷大佬带头弃用 OpenAI、“倒戈”Kimi K2！直呼“太便宜了”，白宫首位 AI 主管也劝不住
硅谷正从昂贵闭源模型转向便宜开源替代方案。“SPAC 之王”Chamath Palihapitiya 团队将大量工作负载迁移至 Groq 平台的中国模型 Kimi K2，因其性能优且成本低。节目中还探讨中美开源模型现状等。
奥特曼豪赌万亿算力，OpenAI估值万亿美元 | 新智元ASI产业图谱10月号
新智元更新ASI产业图谱十月号，聚焦前沿模型、开源模型及世界模型与具身智能。介绍了模型排名情况，指出OpenAI现‘算力饥渴’，还提及国产模型、应用突破，强调算力将成AI竞争关键。
亚马逊“盲眼”机器人30秒跑酷首秀惊艳！华人学者领衔
亚马逊机器人团队FAR发布人形机器人研究成果OmniRetarget，它能让强化学习策略在复杂环境学技能并零样本迁移。该成果通过交互网格建模关系，经实验验证优势明显，背后团队由华人学者领衔。