AI Pulse

AI基准测试

2 篇文章 · 20 条信号 · 持续更新

📡

Google 发布 SynthCorp 基准,现有顶级数据智能体仍会失败

𝕏2026 年 11 月 13 日
📡

小模型配工具,比大模型裸跑还便宜还准

𝕏2026 年 11 月 12 日
📡

OpenAI 发布 LifeVal,测 AI 能不能帮你搞定日常事

𝕏2026 年 11 月 3 日
📖

同一批 AI 模型,暂停时钟后通过率从 36% 升到 80%

大模型实时交互2026 年 11 月 2 日
📡

Kimi K3.1 Pro 成开源权重模型里训 AI 最强,但仍远落后 Opus 5.5

𝕏2026 年 10 月 27 日
📖

同一模型同一测试,实验室公布分数平均比独立测试者高6.4%

开源行业观察2026 年 10 月 19 日
📡

智能模型加工具链,三大硬基准都要被刷穿了

𝕏2026 年 10 月 16 日
📡

induction_labs推出FrontierML基准测试

𝕏2026 年 10 月 14 日
📡

三方联合发布AI探索能力新基准ExplorationBench

𝕏2026 年 9 月 30 日
📡

arcprize 披露ARC-AGI-4基准测试方向

𝕏2026 年 9 月 13 日
📡

fchollet 正在开发 ARC-AGI-4 将于2027年Q1推出

𝕏2026 年 9 月 4 日
📡

Grok 4.6 拿下银行智能体测试第一名

𝕏2026 年 8 月 23 日
📡

Apodex_AI推出TRACES 专门测试发现式AI

𝕏2026 年 8 月 20 日
📡

ScaleAILabs发布HarnessOpt-Bench 基准测试

𝕏2026 年 8 月 19 日
📡

data-eng-bench 开源了,可测试AI数据工程表现

𝕏2026 年 8 月 7 日
📡

Prime Intellect开源Prime Agent 跑分超过人类专家

𝕏2026 年 8 月 6 日
📡

Accomplish.ai 开源新基准,测AI代理真实性能

𝕏2026 年 8 月 6 日
📡

AI评测基准正在升级,现在要考建三维场景了

𝕏2026 年 8 月 2 日
📡

Claude Opus 5赢了三个大模型3D场景 benchmark

𝕏2026 年 7 月 27 日
📡

专门测AI真本事的基准,开源了

𝕏2026 年 7 月 19 日
📡

卡内基梅隆大学发布Gym-Anything助力AI训练

𝕏2026 年 7 月 5 日
📡

开源模型跑出了ARC-AGI-2目前最好成绩

𝕏2026 年 6 月 25 日

订阅 AI Pulse

每天 08:00 · 12:30 · 18:30 · 23:50 更新