跳到正文

内容类型

评测基准 最新动态

模型到底谁更强:Benchmark 评测成绩、评测方法的争议与排行榜变化。

28 条精选近 30 天 26 条共收录 125 条

更新

精选归档 · 第 2 页

11月5日周四第 21–28 条
  1. AIHOT77

    月之暗面开放 2.8 万亿参数 Kimi K3.1 Pro 权重,登顶 Agent Arena 开源模型榜

    月之暗面在 Hugging Face 开放 Kimi K3.1 Pro 模型权重,该模型总参数量 2.8 万亿,单次推理激活约 1040 亿参数,支持约 100 万 Token 上下文窗口。Kimi K3.1 Pro 在 Agent Arena 中位列开放权重模型第一,Terminal-Bench 4.0 得分为 65.7%,BF16 权重文件约 5.6TB,INT4 量化后仍约 1.4TB。

    推荐理由:文章介绍 Kimi K3.1 Pro 开放权重的规模、Agent Arena 表现与部署门槛,便于判断模型能力及本地运行条件。

  2. Hugging Face Blog74

    Gradium 发布可在端侧运行的 Phonon 语音合成模型

    Gradium 发布 Phonon 端侧文本转语音模型,可在无服务器、无网络条件下生成语音,并开放模型权重。Phonon 31m 采用 Apache 2.0 许可,支持英语;另一个 40m 版本覆盖英语、法语、德语、西班牙语和葡萄牙语。

    推荐理由:Phonon提供了离线运行、多语言支持和公开权重,榜单成绩与部署方式可供开发者评估实际采用价值。

10月30日周五
  1. Latent Space76

    AIE CODE 大会聚焦智能体工程与 2027 年技术趋势

    AIE CODE 是一场面向全球前 1000 名智能体工程师的邀请制单轨大会,将围绕 Scaling without Slop、System One models 和 Increasing Ambition 三项主题总结 2026 年并展望 2027 年。随后的 AINews 还汇总了 Mistral Large 4 开源权重发布、模型监控与安全事件、评测榜单、推理基础设施和智能体工具等动态。

    推荐理由:文章既说明 AIE CODE 的议程与参会规模,也汇总模型发布、智能体安全、评测和部署动态,便于快速把握当前 AI 工程进展。

  2. AIHOT76

    OpenRouter 实测 Claude Opus 5.5、Sonnet 5.5 与 Haiku 5.5 的选型差异

    OpenRouter 实测发现 Claude Opus 5.5、Sonnet 5.5 和 Haiku 5.5 在编码任务中可靠性相同,建议将 Sonnet 5.5 作为默认模型,Haiku 5.5 用于高吞吐和子智能体工作,Opus 5.5 用于较长、含糊且出错成本高的任务。

    推荐理由:通过统一编码任务、基准跑分和成本对比,OpenRouter 给出了三款 Claude 5.5 模型在可靠性、速度与费用上的选型依据。

10月27日周二
  1. AIHOT92

    Anthropic 提交 S-1:拟以代码 ANT 上市纳斯达克,H1 2026 营收 16.3B 美元

    Anthropic 公开提交 S-1,计划以代码 ANT 在纳斯达克上市,H1 2026 营收达 16.3B 美元。文件显示营收从 2023 年的 41M 增至 H1 2026 的 16.3B,Q2 单季 11.6B、同比增长 1368%,Q2 经营利润 974M,H1 经营现金流 +3.9B,累计募资 141.1B,持现金与短期投资合计约 131.7B。

    推荐理由:梳理了营收、利润、募资与算力承诺等关键数字,并指出渠道分成与烧钱口径之间相互矛盾之处。

10月26日周一
10月15日周四
  1. Mistral AI65

    Mistral AI 发布 Timestral 时间序列基础模型家族

    Mistral AI 发布首个时间序列基础模型家族 Timestral,提供 5M、28M、123M 和 209M 四种规模,支持概率预测、多变量目标、过去协变量和已知未来协变量。

    推荐理由:Timestral 提供四种规模与多种部署方式,并公开基准成绩、训练方法和代码,便于评估其在企业预测场景中的适配与成本。

10月5日周一