benchmark – 量子位

benchmark

拜拜了SWE-Bench！Cursor刚发了个AI Coding评测基准，难哭Claude

专门评价Cursor中不同模型谁更“智能体”

西风 2026-03-14

benchmark 智能体

o3-pro通关“推箱子”，人类怀旧小游戏成了大模型新Benchmark

测评负责人还是大模型竞技场顾问

克雷西 2025-06-17

benchmark

别让大模型被基准评估坑了！测试集乱入预训练，分数虚高，模型变傻

来自人民大学等最新研究

明敏 2023-11-09

benchmark 刷榜大语言模型

加载更多

热门文章

硬刚GPT-Image-2！国产AI生图“天花板”又被捅破了？

刚刚，GPT-5.5发布！内测英伟达工程师：失去它像被截肢

河南师傅，左手扳手，右手飞书，竟然能搞数据分析！

DeepSeek V4终于发布！打破最强闭源垄断，明确携手华为芯片

Mobileye 2026财年一季度营收增长27%，自动驾驶商业化进程持续推进