「真机评测」共找到 1063 篇相关文章
AIME'25满分炸场！Qwen一波七连发，全家桶大更新
云栖大会上，通义团队成果丰硕。Qwen3-Max性能提升，数学评测满分，多测试成绩优异；Qwen3-VL、Qwen3-Omni等开源，各有亮点；Qwen3-Coder升级。吴泳铭称要发展超级人工智能。
Agentic Enterprise：生成式软件重新定义企业形态｜AGIX PM Notes
文章指出软件正从静态代码集合变为“Living Software”，企业是其理想训练环境。还提及市场资金流向、多起企业投资合作事件，如英伟达投资英特尔、OpenAI租服务器等，最后介绍了ETF流动性相关知识。
苹果传统强项再发力，视觉领域三种模态终于统一
苹果在大模型领域常受挫，但计算机视觉研究是其强项。其研究团队提出 ATOKEN，这是首个能在主要视觉模态统一处理的分词器，兼顾重建质量与语义理解，成果朝通用视觉表征迈进一步。
o3 Gemini 都翻车？首个可验证长链 GUI 数据集 VeriGUI 重磅开源，探索通用 Agent 能力边界
GUI 智能体发展遇瓶颈，现有数据集难评估其长时程规划能力。2077AI 开源基金会牵头构建的 VeriGUI 应运而生，有长链复杂性与子任务级可验证性特征，论文登 Hugging Face 月榜第三，还证明现有模型瓶颈。
未来，你的 Agent 怎么付钱？
借 a16z 文章，探讨 Agent payment 领域进展。实现 Agent 自主支付是未来关键方向，现已有迹象且部分企业推出解决方案，但 Agent 处理支付尚未真正自主，还面临角色范围、欺诈、责任归属等难题。
「AI 作弊产品」Cluely 创始人 Roy Lee：别再迷信 PMF 了，先传播才是王道
Cluely创始人Roy Lee颇具争议，他开发的AI作弊软件走红。公司主打病毒式传播，获超1500万美元投资，ARR达700万美元。Lee认为Z世代创始人将成主流，主张先传播后开发，还提出半透明AI覆盖层交互形态。
豆包 AI 编程：一句话写赛博鱼缸，动嘴皮改富士滤镜
豆包发布全新模型 1.6 后，AI 编程更新，基于此模型在评测集位列第一梯队。它实现低门槛+可用性，能一句话生成网站、工具，还可可视化编辑，目标是让普通人能做产品。
全球首个历史基准！普林复旦打造AI历史助手，AI破圈人文学科
普林斯顿大学AI实验室与复旦大学历史学系联手推出全球首个历史领域评测基准HistBench及AI助手HistAgent。HistBench含414道题，能检验AI深度认知能力；HistAgent集成多种工具，在测试中表现优异。
OnlyFans和AI女友，谁会是最后的赢家？
OnlyFans以80亿美元估值寻求出售，此时AI女友市场正疯狂扩张。OnlyFans有真实性、商业生态等底牌，AI女友有成本和个性化优势。二者各有软肋，未来或市场分化，技术进步或使天平向AI倾斜。
搜索智能体也需要「操作系统」：SearchOS 开源多智能体协作框架
人大和蚂蚁的 SearchOS 研究，给出搜索智能体在长程任务中问题的答案。它借鉴数据库理念，做了多项核心设计，在开放信息检索基准评测领先，已提供多种使用方式，值得长程调研尝试。