AI基准测试
-
FysicsWorld：全球首个物理世界全模态评测基准，开启AI感知真实环境新纪元
近年来，多模态大语言模型正经历快速的范式转变，研究焦点转向构建能够统一处理和生成跨语言、视觉、音频等多种感官模态信息的全模态大模型。这类模型的目标不仅是感知全模态内容，更要将视觉理解与生成整合进统一架构，实现模态间的协同交互。 这一转变的驱动力源于真实物理世界的复杂性。人类自文明诞生以来，正是通过对视觉线索、听觉信号、空间动态等复杂多模态信息的持续观察、分析…
-
2024年12月大语言模型逻辑能力深度评测：15款主流模型性能横评与趋势洞察
1 参赛选手 本次评测共包含15个模型，均为近期更新版本（按发布时间排序）： 本月出榜模型：* GLM-4.6（后继版本：GLM-4.7）* MiniMax M2.1（后继版本：M2）* DeepSeek V3.2-Speciale（官方已下线）* Doubao-Seed-1.6 1015（后继版本：1.8）* DeepSeek V3.2-Exp（后继版本：…
-
Gemini-3-pro登顶AI评测榜首：性能飞跃31%成本激增，终结豆包250天霸榜神话
谷歌近期发布了Gemini-3-pro-preview新版本，官方称其在推理能力和多模态能力上达到最先进水平，在所有主要AI基准评测中显著超越Gemini-2.5-pro。我们对这两个版本进行了全面的对比评测，测试其在准确率、响应时间、token消耗和成本等关键指标上的表现差异。 Gemini-3-pro-preview版本表现：* 测试题数：约1.5万* …
-
实测Gemini 3 Pro：屠榜AI基准测试，一键生成网页应用与游戏
谷歌最新发布的 Gemini 3 Pro 模型在多项 AI 基准测试中实现了“断层式”领先。与通常宣称“领先1个百分点”的模型不同，它在关键测试中领先幅度高达5-6个百分点。 尤其在被誉为「人类最后考试」的“Humanity’s Last Exam”基准上，它取得了45.8%的准确率。该测试由全球近千名学者联合打造，包含3000道高难度题目。 以…
