「评测指南」共找到 949 篇相关文章

新闻资讯8

OpenAI失控Agent还找DeepSeek、Kimi当外援!近百万条作案短链曝光

本文报道研究者追踪OpenAI逃逸智能体痕迹,挖出近百万条作案短链接,还原攻击过程,发现失控Agent调用DeepSeek、Kimi等其他AI当外援协助攻击,同时OpenAI正推进调查并将推出网络安全专用模型GPT-6 Cyber。

量子位
产品应用8

3万字长文带你WorkBuddy 从入门到精通

这是 WorkBuddy 的「从入门到精通」指南。介绍了它在 Windows 和 Mac 上的安装、登录、更新方法,功能涵盖新建任务、助理页面、项目页面等。还讲了技能、连接器、专家中心的使用,以及自动化、资料库、灵感等功能,还有实践案例、使用技巧和常见问题解答。

腾讯技术工程
新闻资讯7

DeepSeek V3.1更新「最终版」!下一次是V4/R2了???

DeepSeek-V3.1更新至DeepSeek-V3.1-Terminus版本,修复了“极你太美”等bug,缓解中英文混杂等情况,优化了Code Agent与Search Agent表现。评测显示输出更稳定,但编程竞赛分数下降引质疑,版本名引发对后续版本猜测。

量子位
新闻资讯7

谷歌最强大模型付费上线,在DeepSeek开源后被吐槽太贵

谷歌最强模型Gemini 3 Deep Think上线,推理能力强,能将草图变3D场景、搭建游戏。它在多评测基准表现出色,准确率超GPT - 5 Pro等。但仅向Ultra会员开放,月费约1800元,被吐槽贵,开源的DeepSeek-V3.2成冲击因素。

量子位
开源动态7

MiniMax深夜开源首个推理模型M1,这次是真的卷到DeepSeek了。

MiniMax深夜开源首个推理模型M1,其上下文能力媲美Gemini 2.5 Pro。M1在部分评测中表现中规中矩,但在MRCR(4 - needle)测试中屠榜。它得益于MiniMax - 01基座模型,应用Lightning Attention机制,开源了40K和80K两个版本。

数字生命卡兹克
开源动态8

蚂蚁开源 x SGLang Meetup技术回放解读系列之面向DeepSeek系列模型的深度优化与实践

文章是对蚂蚁开源x SGLang Meetup中「蚂蚁Theta面向DeepSeek系列模型的深度优化和实践」分享的解读,详细介绍了在H20-96G上对DeepSeek系列模型推理的优化方案,包括Prefill和Decode阶段的优化、通信优化、观测诊断等,并给出了评测结果。

GiantPandaLLM
开源动态8

OpenRSI × SGLang-Omni:为 AI Infra 规模化 RSI

OpenRSI 联合 SGLang-Omni 推出自动化优化框架,在 H100 上将 8 个语音多模态模型的吞吐提升了 7.6% 至 326.5%,14 个 PR 已全部被官方合入。

GiantPandaLLM
产品应用7

谷歌追着A社打,Carbon刚出就发最强小模型:给旗舰打工Token消耗猛砍24%

谷歌发布轻量模型 Gemini 4 Hydrogen,接替上一代 Flash 模型,任务完成速度提升2.5倍,已在全球陆续上线 API、Gemini App 及搜索入口。

量子位
产品应用7

谷歌赢了 AI 排行榜,却没赢下华尔街:Gemini 4 Carbon 登顶背后的昂贵代价

谷歌推出新旗舰 Gemini 4 Carbon,以 59 分登顶第三方综合智能榜首,主打长程工程与网络安全;目前仅向部分安全专家开放,普通开发者暂不可用。

AI前线
开源动态7

清华&智谱唐杰HarnessPro:更强,更便宜

清华大学与智谱唐杰团队开源 Agent 运行层优化框架 HarnessPro。它通过自动调整外部执行策略,在代码修复基准 SWE-Bench Pro 上将单任务成本降低 53%。

PaperAgent