「评测平台」共找到 1912 篇相关文章
越靠经验思考的岗位，越先被取代！OpenHex董舒：AI数字员工正在催生OPC一人公司
OpenHex董舒认为AI最大价值是替人出面干活，提出数字员工概念。他指出判断力密度高的岗位易被AI取代，中国服务业有发展机会。还辨析数字员工类型，介绍其平台OPS Agent，最后分享了数字员工相关Q&A。
刚刚，Opus 5来了：性能不输 Fable 5、价格砍半
Anthropic 发布新一代模型 Claude Opus 5，其智能接近 Claude Fable 5 但价格减半。它在编程、知识工作等评测中表现出色，科研能力进步大，自主性与严谨性更强，安全对齐度高，防护兼顾安全与可用。
具身智能稀缺的数据，可能藏在这个游戏手柄里？
游戏录屏平台Medal掌握的玩家操作记录成机器人模型训练核心数据。其创始人皮姆创办General Intuition获高额融资，该公司用游戏录像预训练动作模型，但也面临数据多元性、任务表现及合作模式等问题。
中国19岁常青藤少年重塑AI记忆，斩获各大榜单全球第一，点亮AI联想科技树
M-Flow记忆引擎引发海外开发者社区热议，GitHub star破千，在三大公开benchmark评测中夺冠。它由19岁团队心流元素开发，采用Cone Graph分层结构，实现Graph RAG新范式，更注重联想，而非单纯搜索。
The Batch: 922 | 面向智能体的管理系统
OpenAI 发布 Frontier 平台，用于编排和管理企业级 AI 智能体团队。它支持智能体构建、信息共享等，Cisco 等已试点，未来将更广泛开放。与 Microsoft 的 Agent 365 有不同侧重，企业对智能体集中管理需求渐显。
8B 端侧写作智能体 AgentCPM-Report 开源，DeepResearch 终于本地化
1月20日，8B端侧写作智能体AgentCPM - Report开源。它以端侧模型为核心，实现本地化部署与SOTA性能双重突破，亮点在于极致效能、本地安全保障，在多评测基准表现出色，部署便捷，两大创新支撑其优秀性能。
AgentIF-OneDay 发布，评估全场景长时复杂任务
红杉中国 xbench 发布 AgentIF - OneDay 评测体系，用于评估大模型解决复杂任务的能力。该体系从任务复杂度新视角出发，沿 Scaling Context 和 Scaling Domain 推进，构造了三类典型任务进行测评，揭示了主流 Agent 的能力边界。
数据科学新风口？三大环节搞定ML「资产」管理，VLDB'25最新教程抢先看！
大模型时代，ML资产爆炸式增长，但大多缺乏规范管理。凯斯西储大学等研究团队将在VLDB 2025提出教程，从整理、发现、利用三大环节给出ML资产管理方法论与系统路径，还会展示前沿平台解决实际问题。
阿里 Qoder 把这层 AI 编程的窗户纸捅破了
2025年大模型下沉到应用层，浏览器和编程工具被重新发明。阿里新发布的Agentic编程平台Qoder，增强对巨大代码工程理解能力和代码生成准确率，其上下文工程观是突破，新引入的Quest Mode很独特。
刚刚，智谱开源了他们的最强多模态模型，GLM-4.5v。
智谱接连开源GLM - 4.5和GLM - 4.5V，后者为多模态模型，总参数106B，在42个评测基准中41个达到SOTA。经测试，它视觉推理强、速度快，还有视频理解等功能，API定价良心，体现持续开放精神。