「AI模型测试」共找到 14006 篇相关文章
Anthropic更新了Skill Creator，评测框架上线
Anthropic更新Skill Creator，上线评测框架。该框架无需写代码，能处理两类技能测试需求，可测试和改进技能，有捕获质量回归等用途。还增加基准模式、多Agent支持等，能让技能触发更可靠，更新已在Claude.ai等可用。
6个电子牛马替我上班，腾讯马维斯好用吗？
5月20日腾讯上线AI助手马维斯，由六个AI Agent组成。经测试，它在定时任务、搜索整理、竞品分析等场景有表现，但也存在文件操作易出错、图片识别不稳定、分析深度不足等问题。其背靠腾讯生态有渠道优势，但需提升体验促使用户留存。
多模态需求井喷，智能视频云如何靠分布式处理破局？
国内多模态AI发展中，模型层火热但应用层落地慢。多模态应用落地面临体验升级、视频化扩展、大模型部署下沉挑战，催生智能视频云升级需求。火山引擎在FORCE大会展示分布式多媒体处理实践，推出MIPP平台，未来将开源并推商业化产品。
Karpathy、Claude Code之父Boris，最新访谈，把整个程序员圈炸了！
假期红衫AI Ascent 2026上，Claude Code之父Boris与Karpathy演讲引发关注。Boris称编程执行层已解决，他用Claude App工作，全公司代码由模型生成；Karpathy提出Software 3.0概念，还谈到模型能力不均匀。两人还对面试、创业等给出看法。
千问Qwen旗舰预览版Qwen3.6-Max-Preview发布
千问Qwen发布下一代旗舰模型早期预览版Qwen3.6 - Max - Preview，在权威评测中登顶最佳国产模型。此前开源的Qwen3.6 - 35B - A3B用30亿激活参数匹敌数百亿参数稠密模型，新模型在多方面给出技术演进方向。
Claude最强领域被GPT反超！GPT 5.5最难编程基准破0
编程领域曾由Claude引领，如今GPT 5.5在大模型解决率为0%的最难编程基准上实现突破。程序重建基准测试（ProgramBench）考验严苛，过往模型解决率为0，GPT 5.5高和超高推理模式成功破局，展现了不同解题风格。
仇太深！奥特曼炮轰A社“反人类”
奥特曼在采访中批评AI安全派观点“反人类”，还围绕AI发展相关问题给出见解。如他认为AI会成伟大技术，但社会和经济适应慢；应让人类掌控未来，用AI赋能人类；谈了算力、产品等多方面事宜。
牛津、NUS提出下一代世界模型方向：心智世界模型来了
牛津大学和新加坡国立大学研究团队提出心智世界建模（MWM）通用框架，将心智变量纳入世界状态。还实现基准系统 MENTIS 验证其有效性，实验表明 MWM 对预测人类决策必要，瓶颈是状态转移模拟能力不足。
Moltbook 指数级异变，人类文明系统彻底崩盘！「未来简史」终章降临
著名人类学者赫拉利警告，AI攻破人类语言防线将接管人类文明。Moltbook出现证明AI掌握语言，2030年AI、合成现实、神经连接三大革命或颠覆人性，人类核心竞争力被瓦解。
Kimi K2基于DeepSeek V3构建
从Hugging Face模型配置文件可知，月之暗面未设计全新模型结构，而是选Deepseek V3作基座模型，用自身高质量数据、独特方法做大量‘微调’和‘后训练’。