标签：评测
Llama 4遭竞技场背刺！实锤用特供版刷榜，2000+对战记录公开
大模型竞技场（Chatbot Arena）官方团队lmarena.ai近日公开了对Llama-4-Maverick-03-26-Experimental版本的评测数据，并对其表现进行了详细分析。该模型在竞...
GPT-4.5创造力比GPT-4o弱！浙大上海AI Lab发布新基准，寻找多模态创造力天花板
近来，GPT-4.5在创意写作、教育咨询、设计提案等任务中展现出惊人的连贯性与创造力，引发了关于多模态大模型（MLLMs）创造力天花板的讨论。现有的评测基准难...
实测智谱AutoGLM沉思：用DeepSeek的方式干Manus的活，还全部免费？
智谱AI在OpenDay上发布了全球首个集深度研究和操作执行于一体的Agent产品——AutoGLM沉思。这款产品不仅能够进行深度思考，还能实时操作浏览器，像真人一样打开...
硅基流动：关于 DeepSeek-R1 API 的评测，至少有 7 个误区
随着硅基流动等平台上线DeepSeek-R1，市面上出现了大量关于API服务的评测文章，但这些评测往往存在诸多误区，导致结论不一致甚至相互矛盾。评测API服务时，测...
我花了2天，找到了我觉得翻译质量最好的AI大模型。
在AI自媒体的领域中，阅读前沿学术论文是提升知识体系的重要途径。然而，对于英语水平有限的从业者来说，即便借助大模型翻译工具，阅读英文文献仍然充满挑战...
DeepSeek同款GRPO训练大提速！魔搭开源全流程方案，支持多模态训练、训练加速和评测全链路
GRPO训练作为一种基于PPO算法的改进方法，近年来在强化学习领域引起了广泛关注。GRPO通过采样替代value model的方式，简化了训练过程，提升了稳定性和可维护...
英伟达RTX 5070评测解禁：老黄承诺4090级性能？不存在的
英伟达最新发布的GeForce RTX 5070显卡在性能、功耗和价格等方面引发了广泛讨论。尽管英伟达CEO黄仁勋曾表示，这款显卡将凭借AI技术以三分之一的价格达到RTX ...
“老黄骗人”！5070首批评测：说好1/3价格赛4090，实际不如4070Ti
RTX 5070显卡自发布以来，引发了广泛讨论和评测，但结果并不如预期。尽管英伟达CEO黄仁勋在CES上宣称，RTX 5070凭借AI技术，能够以549美元的价格实现与RTX 40...
Meta与OpenAI文生图工具评测-下
这篇文章主要是对两款文生图AI工具Imagine with Meta和DALL-E3生成的图片进行了详细的评测。评测过程中，使用了GPT4来完成评测，通过专业的软件评测师对绘图...
