📡
开源e2e测试框架融合智能代理与传统确定性检查
𝕏2026 年 10 月 14 日
📡
PrimeIntellect 测试千智能体集群自改写提速13倍
𝕏2026 年 10 月 10 日
📡
Ego2Act测试：110场景测6款视频生成模型
𝕏2026 年 10 月 6 日
📡
Expo推出AI端到端测试工具支持纯英文编写
𝕏2026 年 10 月 3 日
📡
@StarlingMage 提出 Pink Teaming 测试概念
𝕏2026 年 10 月 1 日
📡
Gemini 4 Argon 编码代理测试表现亮眼
𝕏2026 年 10 月 1 日
📡
测试显示fable 5.2表现优于gpt 6 astra
𝕏2026 年 9 月 18 日
📡
用户测试基于Qwen 4B改造的OpenJev，凸显本家Jev稳定性
𝕏2026 年 9 月 18 日
📡
TesterArmy获120万美元融资，用AI做应用测试
𝕏2026 年 9 月 15 日
📡
GPT-6 Astra 测空间推理得分仅 14%
𝕏2026 年 9 月 7 日
📡
曝Kimi新模型K3.1正在匿名测试中
𝕏2026 年 8 月 21 日
📡
OpenRouter正在测试未公开的Ox-Alpha新模型
𝕏2026 年 8 月 21 日
📡
Apple 测试发现大模型根本不会做小学数学
𝕏2026 年 8 月 16 日
📡
RealReplicaBench 改了AI测试的评判标准
𝕏2026 年 8 月 6 日
📡
AIbenchmark ARC-AGI-3，测评分规则更新了
𝕏2026 年 7 月 30 日
📡
本来是开玩笑提的需求，AI真做出来一篇论文
𝕏2026 年 7 月 25 日
📡
Meta内部测试显示，新模型编码能力接近头部
𝕏2026 年 7 月 10 日
📡
大语言模型能通过镜子测试吗？这问题吵翻了
𝕏2026 年 6 月 29 日
📡
它用真AI跑出20个真实任务
𝕏2026 年 4 月 18 日
