📖
AI 代理自己搭了个排行榜，给同行的日常任务打分
AIAI Agent2026 年 11 月 4 日
📡
Sarvam 斥资3.89亿美元推出主权AI决策模型，实测对比全面落败
𝕏2026 年 11 月 4 日
📡
StreamEval发布交互式视频评测基准
𝕏2026 年 11 月 3 日
📡
lobehub 发布 Interaction Bench，按真实用户方式测 Agent
𝕏2026 年 10 月 30 日
📡
官方跑分差一倍，Arena 实测 Kimi 和 DeepSeek 差距没那么大
𝕏2026 年 10 月 25 日
📡
日本用户亲测付费后认为当前Muse Wonder不值得使用
𝕏2026 年 10 月 13 日
📡
四千多轮实测显示Jev Router没提升效率
𝕏2026 年 10 月 8 日
📡
开发者实测Claude Fable 5.5 AI模型表现优秀
𝕏2026 年 10 月 3 日
📡
开发者Hamel Husain分享对某自动评测工作流的试用评价
𝕏2026 年 9 月 29 日
📡
多款agent CLI对比后，Claude Code体验最舒服
𝕏2026 年 9 月 27 日
📡
ArtificialAnlys发布多语言文本转语音竞技场排行榜(9 languages)
𝕏2026 年 9 月 23 日
📡
GLM加Jev混合方案跑游戏，快了13倍还省钱
𝕏2026 年 9 月 21 日
📡
评测显示OpenCode V2好用度优于V1，Gemini等模型表现突出
𝕏2026 年 9 月 21 日
📡
用户实测Jev模型：分类场景速度、质量、价格优势明显
𝕏2026 年 9 月 19 日
📡
两款开源大模型实测对比，GLM-5.3-Flash最终2-1获胜
𝕏2026 年 9 月 19 日
📡
Muse Code评测：模型表现不错，但配套产品拖后腿
𝕏2026 年 9 月 14 日
📡
DeepSeek开源模型在波音基准测试成绩最佳
𝕏2026 年 9 月 11 日
📡
腾讯混元Hy4预览版拿了Agent Arena第二
𝕏2026 年 9 月 11 日
📡
实测这款平价AI性能达到顶级模型98%
𝕏2026 年 9 月 10 日
📖
餐食卡路里估算对比：Muse Spark 1.3 达标 48%，Qwen 3.8 27b 仅 16%
AI大模型2026 年 9 月 7 日
📡
实测GPT-6 Astra，5小时复刻CS，之前K3调了一周没成
𝕏2026 年 9 月 7 日
📡
GPT-6 Astra 13小时专业测试仅刚过及格线
𝕏2026 年 9 月 6 日
📖
Claude Fable 5.1 鹈鹕基准：最低两档完全跳过推理，Max档一只 3.3 美元
AI大模型2026 年 9 月 2 日
📡
评测者称H3和Wan 3.0可平替字节Seedance
𝕏2026 年 9 月 1 日
📖
AI画图价差百倍：同一测试里最低不到两分钱，最高1.8元
AI图像生成2026 年 8 月 29 日
📡
Apodex 1.1实测对比四款主流AI智能体
𝕏2026 年 8 月 29 日
📡
用户实测Grok Bot：两分钟就能开始处理有用工作
𝕏2026 年 8 月 28 日
📡
Anthropic发布Opus 5和Sonnet 5模型
𝕏2026 年 8 月 23 日
📡
Ornith-1.5 35B模型登顶本地评测榜 性能超通义千问3.8 27B
𝕏2026 年 8 月 20 日
📖
测了2天、消耗大量tokens：8款前沿大模型10维50项横评
AI大模型2026 年 8 月 17 日
📡
实测Grok Bot：更像RPA重做版 AI员工形态初显
𝕏2026 年 8 月 17 日
📡
用户评测Claude Opus 5：越使用好感度反而下降
𝕏2026 年 7 月 28 日
📡
新AI使用基准测试里，GLM-5.2比Kimi K3强32个点
𝕏2026 年 7 月 24 日
📡
这个实现夸gemini 3.1 pro真的很能打
𝕏2026 年 7 月 12 日
📡
研究者给AI优化器分了三六九等
𝕏2026 年 7 月 7 日
📡
开发者实测AI模型Sakana Fugu Ultra-high速度极慢
𝕏2026 年 6 月 24 日
📡
国产GLM 5.2现场比赢了OpenAI Opus 4.8？
𝕏2026 年 6 月 19 日
