基準測試
標籤「基準測試」下的全部文章
- 242026-10The Gradient：AI聊天機器人缺的不是分數，是目標感The Gradient文章指出，LLM聊天機器人的能力提升主要由MMLU、HumanEval和MATH等基準測試衡量，但隨著這些指標飽和，用戶體驗並未同步改善。文章認為，當前最核心的缺失是“目標感”，這直指AI產品同質化與商業化落地的痛點。
- 242026-10Kimi K3.1 Pro上線API：開源模型評分首度逼近閉源前沿Moonshot於10月23日上線Kimi K3.1 Pro，定價每百萬輸入token 2美元、輸出10美元，與GPT-6.1 Sol持平。Artificial Analysis給出55分，僅次於Claude Opus 5.5的58分。完整權重承諾2026年11月4日前發佈，被視為開源與閉源前沿模型差距縮小的重要信號。