跳到正文

#评测/基准

今日 0 条
11月17日周二
11月16日周一
11月15日周日
11月11日周三
11月10日周二
11月9日周一
  1. 量子位68

    腾讯混元跻身最强开源模型!一手实测Hy4:搭配WorkBuddy,多模态Agent交付力拉满

    腾讯混元Hy4正式版在一手实测中搭配WorkBuddy展现多模态Agent交付力,跻身最强开源模型之列。模型770B总参数49B激活,首次引入原生视觉与电脑操作,已在腾讯云等上线且权重近期开源。实测通过3D键盘、PPT等案例展示其长程任务自主执行与自检能力,金融科研任务表现领先。此为preview后的正式版,Hy4 flash端侧版也在路上。

11月8日周日
  1. The Decoder41

    Thinking Machines 的 Inkling 2 Small 在基准测试中频繁出现脏话

    Vals AI 研究人员分析 Thinking Machines 的 Inkling 2 Small 在 13 个基准测试中的 2,655 次运行日志,发现 50 次运行中出现 316 次脏话。其中 241 次来自两次失控运行,包括一次生成约 50 万字符的重复响应。尽管 46 次含脏话的评分运行中 48 次失败,但 96% 的失败运行并未包含脏话,表明脏话并非有效的失败预警信号。

11月6日周五
11月5日周四
  1. Hugging Face Blog62

    Phonon TTS 深度解析:设备端高质量语音模型登顶基准

    Gradium 解析其两周前开放的设备端 TTS 模型 Phonon,给出它在 Hugging Face Open TTS Leaderboard 的评测与离线演示。Phonon 31m 约 65MB 且 Apache 2.0 开源,在德语西班牙语 intelligibility 排名第一,CPU 流式延迟领先。这是 Phonon 首个开源发布,两周下载超 200,000 次。

    推荐理由:文章详细列出 Phonon 在 Hugging Face Open TTS Leaderboard 的多语种 intelligibility 排名与 CPU 流式延迟优势,便于评估小体积语音模型端侧落地可行性。

10月29日周四
10月28日周三
  1. IT之家46

    谷歌更新 Android Bench 榜单:Gemini 4 Argon 编程能力大幅落后于 Claude 与 GPT

    谷歌更新 Android Bench 榜单,自家 Gemini 4 Argon 排名第五,通过率 21.3% 明显落后于 Claude 与 GPT 系列。榜单首位为 Claude Sonnet 5.5,通过率 40%,但调用成本高达 1,574.90 美元,远高于 GPT-6.1 Sol 的 99.50 美元。该榜单于今年年初推出,旨在评估 AI 模型在安卓开发场景下的辅助能力。

10月26日周一
10月22日周四
10月21日周三
10月20日周二
10月19日周一
10月15日周四
10月12日周一
10月11日周日
10月1日周四
  1. The Decoder78

    Google 发布 Gemini 4 Argon,基准追平 OpenAI 与 Anthropic 但未明显领先

    Google 发布新一代前沿模型 Gemini 4 Argon,在多项基准上追平 OpenAI 和 Anthropic 的竞品,但未取得明显领先。Argon 先向 Fairwind 计划的“可信网络防御者”和 Google 内部团队开放,之后才逐步面向开发者、企业和消费者,API 促销价为每百万输入 token 2 美元、输出 10 美元。

9月30日周三
7月11日周六

© 2026 SI·Hot · Super Intelligence Hot · 超级智能热点 · 网站数据均来源于网络公开资料,版权归来源方所有