当前标签：AI评测
AI 成绩单背后，藏着一位华人“出题人”
AI基准测试MMLU-Pro等背后出题人是加拿大滑铁卢大学华人助理教授陈文虎，他创办了“老虎实验室”，为模型能力设下考题。
超越 Claude Fable 5：智谱 GLM 5.2 登顶 Design Arena 网页设计 AI 榜单
权威第三方评测平台Design Arena最新榜单显示，智谱AI开源的GLM-5.2模型以Elo 1360分的成绩登顶第一，正式超越此前高居榜首、目前已下线的Claude Fable 5，标志着国产开源模型首次在网页设计类编程任务中占据全球制高点。
俩小时就烧掉400块Token后，我终于看懂Claude Fable 5有多猛
俩小时烧掉400块人民币的Token后，Claude Fable 5用全自主打通《宝可梦》、9小时跨洲规划、以及暴打《Science》级科研成果，证明了它不仅是史上最强公开版Claude，更是一个让你花钱买“整座设计院”的昂贵但恐怖的生产力机器。
难上热搜的高考数学，我拿ChatGPT和豆包PK了一把！
今年高考数学难上热搜，多家AI大模型实测成绩出炉：豆包与腾讯元宝并列第一，OpenAI o3仅获34分惨败，国产模型在数学推理上取得显著进步。
Opus 4.8烧1万美元，冲顶AI最难考试，断崖领先GPT-5.5近4倍
Claude Opus 4.8以1.5%的RHAE得分碾压第二名3倍，但单次评测成本高达1万美元，同时带来更精准、更诚实的代码能力。
实测 Claude Opus 4.8：活干得更漂亮了，话说得更难听了
实测显示Claude Opus 4.8在代码生成和Agent任务上表现显著提升，但模型在安全批评和对话风格上变得更加直接犀利。
别再无脑装豆包了，实测五款国产 AI App，最强的竟是...
国产AI实测排名大洗牌：DeepSeek综合最强，豆包修图无敌，千问生态独霸
超越GPT-Realtime-2，阿里语音大模型获三项第一
阿里巴巴语音大模型Fun-Realtime-ASR和Fun-Realtime-AudioChat在Artificial Analysis评测中超越GPT-Realtime-2，在词错误率、语音推理和对话流畅度三项指标上均获第一。
MaxVideoAI
MaxVideoAI 是一个提供 AI 视频模型对比的平台，帮助用户在视频渲染前评估不同模型性能，匹配最佳引擎，提高视频生成效率。
AI Ping
AI Ping是一个专注于大模型服务评测与API调用的一站式平台，致力于帮助用户快速评估和选择最适合的大模型服务。
预测这件事，人类越犹豫，这个大模型越有优势
预测这件事，人类越犹豫，这个大模型越有优势