「AI测试」共找到 10745 篇相关文章
刚刚，Claude 5.1 发布！全球最强模型来了
Anthropic推出Claude Fable 5.1和Claude Mythos 5.1。Fable 5.1面向普通用户等，Mythos 5.1面向高风险领域伙伴。Fable 5.1性能优、价格低，在多测试中表现提升，还能用于科研，且安全防护机制升级。
黄仁勋人生首条推文力挺开源，“Kimi恐慌”成为风暴眼
当地时间7月24日，英伟达创始人黄仁勋发首条推特分享联名信力挺开放权重AI。此事与新开源模型Kimi K3引发的‘Kimi恐慌’相关，‘开源vs闭源’路线之争因此推向高潮。同时，围绕模型蒸馏是否侵权争议不断。
小米万亿模型全面开源：MIT 协议、1M 上下文，但还是打不过 DeepSeek
小米开源 MiMo-V2.5 和 MiMo-V2.5-Pro 两款模型，采用 MIT 协议，适合商业应用。在基准测试中表现出色，有竞争力价格和限时优惠。但与 DeepSeek 比，架构创新偏工程化，也有推理表现不足等问题。
Monet：赋予多模态大模型如人类一般的抽象视觉思考能力
文章介绍了Monet模型，它实现了训练MLLM直接在连续隐空间思考的方法，内化视觉思考能力。还阐述了多模态模型隐式推理训练的难点，提出SFT+RL训练框架，构建数据集，经测试，Monet提升了视觉推理能力。
Anthropic：警惕评测排行榜！差别可能只是机器的内存更大，而已
Anthropic发工程博客指出，AI编程评测排行榜上排名前列的模型分差小，而运行环境硬件配置能让分数波动6个百分点。同一模型在不同沙箱策略下分数不同，资源配置影响评测结果，排行榜分数差距或因硬件。
狂发钱的元宝派，除了领红包还能用来干嘛？
元宝派是腾讯的AI社交新实验，用10亿新春红包引流。它类似群聊，有24小时在线的“元宝”。能当裁判活跃群聊，还能做图、看文件等，融入搭子文化元素，依托腾讯生态拉不同好友入群。
2026，一篇不错的高效Agents技术全面综述
上海AI Lab等9所高校联合发表《迈向高效智能体（Agents）：记忆、工具学习与规划综述》。文章介绍了高效智能体概念，分析其效率危机，阐述提升效率的三大战略方向，涵盖多种记忆、工具学习和规划方法。
OpenAI开启“印钞机”模式？ChatGPT官宣引入广告，新增8美金/月Go版低价订阅服务
OpenAI宣布广告业务要来了，其低成本订阅服务ChatGPT Go将登陆美国及所有ChatGPT可用地区。未来几周将在美国免费版和Go版中测试广告，Pro、Business和Enterprise订阅方案无广告。还明确广告业务五大原则。
今年TRAE写的代码：100000000000行！超50%程序员每天在按Tab键
2025年末TRAE发布年度产品成绩单，一年写1000亿行代码、超50%用户高频用Tab键。其Cue功能助行业进入人机共生，SOLO模式让开发者成指挥者。它历经三阶段，指标优、构建生态，是中国AI IDE领域领先者。
机器人的 GPT 时刻比我们以为的更近｜AGIX PM Notes
文章认为机器人的 GPT 时刻可能比想象更近，未来 2 - 3 年或出现较通用机器人，3 - 5 年有望规模化部署。还分析了当前机器人发展情况、瓶颈及数据获取方式，同时介绍了上周市场动态和多家公司的 AI 相关事件。