「GPT 时刻」共找到 1140 篇相关文章
0%完成率！Claude、GPT、Gemini 全灭，SWE-Bench作者新作把AI圈干沉默了
SWE - Bench创建者推出新benchmark ProgramBench，测试AI从零构建软件系统能力。结果一线模型完成率0%，暴露AI擅长局部代码生成，缺全局系统规划能力，引发对其评估方式的讨论。
星标超 29 万，OpenClaw 两天两次大更！适配GPT 5.4，告别“抽卡式 Prompt”
GitHub星标超28万的AI Agent开源项目OpenClaw，在周六与周日迎来两轮重量级更新，集中在模型能力、Agent架构、工程部署及安全机制四个方向。2026奇点智能技术大会将邀专家探讨其产业实践价值。
CVPR 2026 | AI寒武纪时刻？字节世界模型新作，仅靠视觉学习真实世界知识
豆包大模型团队与北京交通大学联合提出视觉世界模型 “VideoWorld 2”，无需依赖语言模型，仅靠视觉信息让机器掌握复杂能力。它能完成复杂手工任务，成功率远超主流模型，代码与模型已开源。
走出 MMLU 的高分幻觉：AI Agent 的「斯坦利时刻」与职场生存法则
文章指出多模态大模型在基准测试分数高，在实际业务流程却像‘职场巨婴’。研究团队构建Trainee - Bench测试顶尖模型，结果显示模型离‘独立上岗’远，凸显提升Agent自主学习性的重要性。
Data+AI 新年特辑：2025 的顿悟时刻与 2026 的关键十问 | Q推荐
过去一年，Data + AI 关注点从模型能力转向企业承载 AI 的系统能力。InfoQ 联合 Snowflake 发起直播活动，邀多行业人士复盘与前瞻，有认知回顾、十问环节，结尾嘉宾留 2026 预测。
单卡2秒生成一个视频！清华联手生数开源TurboDiffusion，视频DeepSeek时刻来了
清华大学TSAIL实验室和生数科技联合开源视频生成加速新框架TurboDiffusion，能让视频生成在保证质量下最高提速200多倍，单张显卡就能运行，还整合四项关键技术，有诸多应用意义。
里程碑时刻！首个100B扩散语言模型来了，技术报告揭秘背后细节
蚂蚁集团与高校联合团队推出 LLaDA2.0 系列扩散语言模型，其中 LLaDA2.0 - flash 参数量达 100B。技术报告披露细节，其解决了 dLLM 做大做强难题，性能比肩 AR 模型，为扩散模型工业化带来转机。
谷歌重回铁王座！Gemini 3吊打GPT-5，奥特曼发信承认技不如人
谷歌携Gemini 3和Nano Banana Pro强势回归AI王座，连奥特曼都承认谷歌「反超」。谷歌逆袭原因多样，创始人布林回归打破「大公司病」，CEO劈柴推动「AI优先」，还有自研TPU提供算力保障。
中国医生需要怎样的AI？GPT-5、OpenEvidence都输掉实战后，我们有了答案
国家卫健委定调医疗AI未来五年核心目标为「人工智能+基层应用」，但基层医疗AI应用现状不佳。临床专家认为能帮基层的AI要安全有效、人机协同，「未来医生AI工作室」符合这些要点，其基座MedGPT表现出色。
具身智能迎来ImageNet时刻：RoboChallenge开放首个大规模真机基准测试集
近日，RoboChallenge推出全球首个大规模、多任务真机基准测试。它构建开放、公正、可复现的‘真实考场’，为视觉 - 语言 - 动作模型提供评估标准，推动具身智能发展，还提供远程测试服务等。