基准测试
标签「基准测试」下的全部文章
- 242026-10The Gradient：AI聊天机器人缺的不是分数，是目标感The Gradient文章指出，LLM聊天机器人的能力提升主要由MMLU、HumanEval和MATH等基准测试衡量，但随着这些指标饱和，用户体验并未同步改善。文章认为，当前最核心的缺失是“目标感”，这直指AI产品同质化与商业化落地的痛点。
- 242026-10Kimi K3.1 Pro上线API：开源模型评分首度逼近闭源前沿Moonshot于10月23日上线Kimi K3.1 Pro，定价每百万输入token 2美元、输出10美元，与GPT-6.1 Sol持平。Artificial Analysis给出55分，仅次于Claude Opus 5.5的58分。完整权重承诺2026年11月4日前发布，被视为开源与闭源前沿模型差距缩小的重要信号。