Skip to content

Ai Benchmark

主题归档 • 9 条结果

AI 生成:摘要由 AI 根据所链接的来源撰写。 我们如何使用 AI

返回首页 • GEO summary endpoint

2026-11-10

科技

  • Google DeepMind 发布了 Gemini Robotics 2.5,该公司称其在某些任务上的成功率最高可达两倍,同时发布了一个名为“ASIMOV-jailbreak”的开放安全基准。此次发布将机器人模型更新与一项聚焦越狱的安全评估配对推出。

    研究 • Ars Technica AI

    永久链接
  • 据 The Decoder 报道,Anthropic 的 Fable 5.2 在 Remote Labor Index 上以专业质量完成了 41.3% 的真实自由职业工作,是最佳系统 Opus 5.5 和 GPT 6 Astra 的两倍多。一年前最高分仅为 2.5%,不过产品设计和动画等领域仍是薄弱环节。

    模型发布 • The Decoder

    永久链接

2026-11-11

科技

  • 基于采访摘录:AI Explained分析了Fable 5.2和Gemini Carbon模型的发布,参考了一份264页的系统卡片、一份关于AI加速的30页METR报告以及创作者自身的测试结果。视频涵盖了基准测试结果、旨在捕捉那些死记硬背答案的模型的“Max Bench”测试、远程劳动力指数,以及Anthropic声称AI进步速度将加快的说法。视频还讨论了基准测试结果是否经得起推敲。

    AI News & Analysis • AI Explained

    永久链接

2026-11-12

科技

  • Google DeepMind发布了Gemini 4 Hydrogen,这是其在六周内推出的第三款新模型,引入了xhigh推理级别。根据Artificial Analysis的情报指数,Hydrogen几乎与Claude Sonnet 5.5和GPT-6.1 Sol持平,成本仅为Sonnet的三分之一,但约为Sol的2.5倍。该模型正在Google Search以及Google Antigravity内部推出,并附带针对长周期任务的新Orchestrator选项。

    AI模型 • Techmeme

    永久链接