📡
yasakani 实测:速度翻倍还拿了满分
𝕏2026 年 11 月 14 日
📡
Fable 5.2 被发现早就背过 Vending-Bench 测试题
𝕏2026 年 11 月 14 日
📡
Jerry Liu 发布 ParseBench-2,别再盲信通用模型基准
𝕏2026 年 11 月 14 日
📡
Artificial Analysis 发布 Coding Agent Index v2.1,Claude Fable 5.2 与 Claude Opus 5.5 并列第一
𝕏2026 年 11 月 14 日
📡
METR 在 Anthropic 的研究,给「凭感觉测模型」正名了
𝕏2026 年 11 月 13 日
📡
Qwen-4-Flash-Early在游戏体验评测双杀登顶,反超Opus 5.5
𝕏2026 年 11 月 9 日
📡
Artificial Analysis 发布 VIALS-AA 排行榜,生物视觉推理模型差距仅 3 分
𝕏2026 年 11 月 7 日
📖
同一台16GB MacBook Air,密集嵌入跑到重启,SPLADE显存不到1.5GB
RAG本地部署2026 年 11 月 6 日
📡
Colab CLI搭配Antigravity 实现云端GPU全自动跑模型
𝕏2026 年 11 月 4 日
📡
给大模型改权重治死循环,会不会有隐藏副作用?
𝕏2026 年 11 月 3 日
📡
Phonic 1 登顶语音转语音榜,每分钟 0.07 美元
𝕏2026 年 10 月 30 日
📡
Kimi 未重点优化数学仍取得不错成绩,1017 模型竞争力存疑
𝕏2026 年 10 月 26 日
📡
rzk 实测:5 个 Qwen3.8-27B 模型追平 Fable 5
𝕏2026 年 10 月 25 日
📡
Kimi K3.1 Pro 拿下公开模型网络防御第一,仅输给受限版 GPT-6 Sol
𝕏2026 年 10 月 24 日
📡
Kimi K3.1 Pro 实测排第四,开源权重将缩小与闭源差距
𝕏2026 年 10 月 24 日
📡
实测Kimi K3.1 Pro修105个植入bug:性价比不如DeepSeek V4.1 Flash
𝕏2026 年 10 月 24 日
📡
双模型搭伙写代码,比单模型便宜三成还更准
𝕏2026 年 10 月 21 日
📡
Artificial Analysis Cyber Index Alliance发布Artificial Analysis Cyber Index 网络安全指数(32 points)
𝕏2026 年 10 月 9 日
📡
Devin团队基于Kimi K3微调的SWE-2 实际体验怎么样
𝕏2026 年 9 月 12 日
📡
博主实测两款AI视频模型 公平对比差异
𝕏2026 年 9 月 4 日
📡
测试人员称GPT-6 Astra适合玩乐展示不适合日常工作
𝕏2026 年 9 月 4 日
📡
@karminski3 实测8款开源小模型 谁是最强
𝕏2026 年 8 月 31 日
📡
DeepSeek-V4 Pro 0813性能超GPT-5.6 Sol,成本低35倍
𝕏2026 年 8 月 15 日
📡
博主测了两款国产文生图模型,同条件出图差距不小
𝕏2026 年 8 月 7 日
📡
开发者测试对比不同大语言模型版本性能差异
𝕏2026 年 6 月 23 日
📡
OpenAI分享讨论AI模型评测相关内容并推出播客
𝕏2026 年 6 月 21 日
📖
榜单之外:四款编码模型在本地AI环境中的实战对决
AI编码模型2026 年 6 月 19 日
📡
MiniMax-M3登顶AAI开源模型榜首
𝕏2026 年 6 月 5 日
📡
MiniMax发布首个多模态原生模型M3
𝕏2026 年 6 月 1 日