「大模型测试」共找到 9855 篇相关文章
1700亿美元估值！Anthropic融资50亿，AI独角兽争霸战进入新阶段
Anthropic拟融资30 - 50亿美元，估值达1700亿美元，或成全球估值最高未上市AI公司之一。它由前OpenAI成员创立，聚焦AI安全。核心产品Claude有独特优势，与GPT - 5各有千秋。其商业化侧重企业，虽增长快但亏损大，业内对估值看法不一。
Auto Research时代，AI Scientist的第一场药企实习考验｜甲子光年
AI Scientist从大模型做题家进化为自动化科研助手，但从demo到应用面临买单难题。Phylo等团队构建BiomniBench评估框架，让AI做药企真实数据分析，结果显示AI表现超人类实习生，且有速度和成本优势，但也存在偏科问题。
承包了春晚的4家机器人企业，都什么来头？
今年春晚机器人表现亮眼，背后四家企业各有来头。银河通用王鹤专注具身多模态大模型；宇树科技王兴兴三次登上春晚，技术迭代快；松延动力姜哲源辍学创业，产品获订单；魔法原子吴长征有全栈自研能力，融资后欲冲击IPO。
全国首部AI智能体应用评估标准，现公开征集起草单位和个人
随着大模型热潮进入深水区，企业急需业务智能体，但因缺乏可量化评估标准，AI智能体应用面临选型、验收、优化困境。智合标准中心发起《企业级AI智能体应用效能评估规范》团体标准起草工作，现公开征集起草单位和个人。
MagicOS已成世界「第三极」，荣耀拿下AI大战叙事权
全球智能手机进入AI决战期，苹果、谷歌、三星等厂商各有局限。荣耀推出MagicOS 10及YOYO智能体，其具备自进化能力，背后有魔法大模型3.0矩阵支撑。荣耀在技术、生态、市场等方面全链路突破，有望执掌全球AI终端话语权。
星海图高继扬：具身智能下半场，应用为王
星海图CEO高继扬在AGI Playground大会分享具身智能观点，认为2026年是下半场，核心是应用。具身智能发展慢因缺高质量数据和合适本体，未来产品形态或为‘整机+预训练模型+后训练工具’，下游将形成大生态。
击败PI ，清华系具身公司包揽「具身奥林匹克」三项全球第一，刷新世界纪录！
在Benjie's Olympics赛事中，星动纪元凭借自研具身智能模型获三项全球第一，击败具身领域老牌公司PI。该赛事规则严苛，星动纪元在剥橘子、开锁、翻袜子任务中表现出色，此前其在技术研发和场景落地也成果颇丰。
对话际数科技联创：质量赛道的先驱者，要做空间数据的「精炼厂」
本文是对际数科技三位联合创始人的访谈。在具身智能时代数据采集火热但数据荒严重背景下，际数关注数据质量，其以测绘背景为底气，用‘一张图、一把尺、一个飞轮’搭建技术护城河，打造质量因子库，还创新训练质量模型，有稳定商业路径。
编程新王Composer 2.5来了，逼近Opus 4.7！成本仅为1/10
Cursor推出全新AI编程模型Composer 2.5，在部分编程基准测试上接近Claude 4.7 Opus和GPT - 5.5，运行效率最高提升10倍，成本仅为竞品一小部分。其采用定向文本反馈RL等机制，还与SpaceXAI合作冲击百万H100集群算力。
出了两道真题考 GLM-5.2，Opus 4.8 和GPT 5.5 陪跑
作者对GLM - 5.2、Opus 4.8和GPT 5.5进行两项测试。一是审计Skill体系，GLM - 5.2覆盖skill数多、找出冲突多，还挖出bug；二是做世界杯夺冠推演器网站，Opus表现出色，GLM - 5.2省token，Codex有巧思但结构有缺陷。