「AI测试」共找到 10786 篇相关文章
Token消耗暴降80%，Cloudflare让服务器原生支持Markdown：OpenClaw要笑醒了
Cloudflare发布Markdown for Agents功能，让Web服务器可向AI Agent投喂Markdown数据，抛弃臃肿HTML，Token消耗降80%，还引入内容信号机制，有手动挡工具，功能处Beta阶段，可免费启用。
Open Responses 规范实现智能体式 LLM 工作流的统一
OpenAI发布Open Responses开放规范，获Hugging Face等支持，为智能体式AI工作流制定统一标准，减少API碎片化，支持多模态输入等，引发行业对厂商锁定和生态成熟度的讨论。
马斯克视频生成模型首次交卷！电影级运镜+音效，免费可玩
xAI的“迄今为止最强大的视频音频生成模型”Grok Imagine 1.0正式全面上线。该模型支持文生视频、图生视频，音频效果出色，还擅长日常趣味创作。其在视频生成和剪辑性能领先，官网可免费玩。
传Claude sonnet 5即将发布：能自动组建开发团队，一人即一公司，价格爆降50%
小道消息称Anthropic下一代AI模型Claude Sonnet 5或于北美时间2月3号发布，代号“耳廓狐”。它有全新功能，能化身虚拟开发团队，编程能力强，价格将降50%，还与谷歌深度合作。
这个项目让 Clawdbot 接入飞书机器人，附教程！
该项目解决 Clawdbot 官方不支持国内通信软件问题，提供飞书等国内 IM 平台与 ClawdBot AI Agent 的桥接服务，文中介绍前置要求、安装、使用、开发等内容，还给出项目地址和教程。
0.005%参数量超越SOTA！提升模型能力无需庞大奖励模型
上海交通大学等校联合团队提出轻量级奖励模型SWIFT，利用大模型隐藏状态线性特征，仅训练极小线性层，在推理任务中超越主流奖励模型，实现计算效率与准确率双提升，且在多领域表现出色。
拒绝计算“一视同仁”！Elastic Attention：让大模型学会“看人下菜碟”
现代大语言模型用全注意力机制计算复杂度高，现有混合注意力策略是静态的。为此提出Elastic Attention，引入轻量级Attention Router，具备动态路由等亮点，在主流模型测试中效果好。
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。
MiniMax 上市后的第一个开源：给 Coding Agent 立个规矩
2026 年初 MiniMax 成功上市港股，市值达 1100 亿港币。其上市后首个开源项目 OctoCodingBench 聚焦 Coding Agent 评估，解决规则复杂时 Agent 合规问题，为其立规矩，有重要社区价值。
Anthropic：大模型开始意识到自己在想什么！
Anthropic的Jack Lindsey论文《Emergent Introspective Awareness in Large Language Models》对大模型做神经科学受控实验。发现Claude Opus 4/4.1能感知内部念头，区分内外状态，通过检查内部状态一致性判断输出意图。