标签：性能对比
华为与哈工深等最新研究成果：SPA-Bench，手机操控智能体评估新标准
华为诺亚方舟实验室与哈尔滨工业大学（深圳）联合提出了SPA-Bench（SmartPhone Agent Benchmark），一个全新的评估框架，旨在解决现有手机智能体基准测试的局...
Claude 3.5两小时暴虐50多名专家，编程10倍速飙升！但8小时曝出惊人短板
最新研究显示，在2小时的研发任务中，AI智能体Claude 3.5 Sonnet和o1-preview在7项具有挑战性的研究工程中击败了50多名人类专家。AI编程速度能以超越人类10倍...
耗资1.3万，ASU团队揭秘o1推理王者！碾压所有LLM成本超高，关键还会PUA
ASU团队的最新研究对OpenAI的新型大推理模型o1-preview进行了全面评估，发现其在推理规划能力方面表现卓越，但成本高昂。研究使用了PlanBench测试基准，结果...
一张图看懂大模型性价比：能力、价格、并发量全面PK
当前，国内云厂商的大模型价格战正酣，部分模型价格降幅高达99%，甚至有的模型实现免费提供。然而，在这场看似遍地的黄金降价潮中，实则隐藏着诸多细节和考量...
别再说国产大模型技术突破要靠 Llama 3 开源了
近日，Meta发布了开源大模型Llama 3的8B和70B版本，引起了AI界的广泛关注。Meta声称Llama 3在多种行业基准测试上展现了最先进的性能，并提供了包括改进的推理...
英伟达竞品来了，训练比H100快70%，英特尔发最新AI加速卡
在大会上，展示了其子公司的最新一代人工智能加速器，预计将于推出。Gaudi 3的亮点在于其的，认为这足以让其在占有一席之地。内部基准测试显示，在性能上超过...
超越Claude-2.1和GPT-3.5-Turbo，Qwen1.5还藏了哪些黑科技？32K Tokens上下文支持只是开胃菜！
Qwen1.5是一款开源的人工智能模型，具有多种大小以满足不同的需求。尽管在对齐方面尚未超越GPT-4-Turbo，但在MT-Bench和Alpaca-Eval v2测试中，Qwen1.5的表现...
