扫码下载
搜索“Benchmark”共有227条相关结果
作者｜刘必可（微信zbthdx） 编辑｜王兆洋（微信Geisterspiele） 最近，OpenAI 公布了 Navier–Stokes 存在性与光滑性问题的一份解答及 Lean 形式化证明。这是克雷数学研究所在 2000 年提出的七个“千禧年难题”之一，每题设有百万美元奖金。据 OpenAI 公告，其内部模型构造了光滑外力下的有限时间爆破：方程描述的流速…
2026年，AI行业正在进入一个新的阶段。 OpenAI、Anthropic、Google等公司的前沿模型竞赛愈发激烈，AI的发展也开始向不同垂直方向加速延伸。 从超级智能、RSI和AI安全，到AI Agent、机器人、世界模型和AI for Science，行业正在探索下一代智能的技术路径，以及AI究竟能够完成哪些工作、创造多少价值。而在背后，芯片、算力…
刚刚，DeepSeek 把 V4.1 Flash 更新到了 V4.1-Flash-1017，性能带来大幅提升，大小 763B，网页端、App 和 API 已全面换新，权重同步开源 从零构建网页赛车游戏 下面这个是 Benchmark 同时官方还发布了两个更新： 一个是 DeepSeek API 开放了自研搜索，Search 和 Fetch 两个接口，都是 …
打好手中的牌。 对谈 刘燕秋 任博冰 编辑 刘燕秋 韦香惠 手搓量丨100% AI含量丨0% 80分，这是任博冰给自己管理的第一只基金打出的分数。29个项目，跑出4个独角兽，正陆续IPO，大概还有两三家会在今年晋升独角兽，在部分Benchmark上，业绩挤进了前1%。作为创新工场的第一期前沿科技基金，这是一个足够给LP交代的成绩了。 至于100分，按任博冰…
刚刚，扎克伯格宣布，Meta 超级智能实验室（MSL）发布了 Muse Wonder 和 Muse Wonder Full，这是 MSL 成立一年多以来，第一个自称达到前沿水平的模型 Muse Wonder 这款模型就主打一个快，并从今天开始就可以通过 Meta 的 API 和 Muse Code（Meta 的编程 agent）使用而对于 Muse Won…
昨天早上，可能会是人类时代的一个分水岭。 以至于这篇文章，在我即使有提前做了大量功课，有一定的知识储备的情况下，还是写了整整一天的时间，完稿时间是今天的凌晨6点15，无他，还是因为这个事件的信息量过大，历史意义过大，那种宿命感，在调研在写的过程中，还是有无数次的巨大的情绪波动。 这个事件大家比较关注新闻的，都已经看过了。 就是昨天（10月7号）早上，Ope…
英伟达投资了一个叫 Reflection 的模型公司，发布了第一个开源模型 Beam，对标智谱的 GLM-5.2 官方说两者在高级推理测试上分数相当，Beam 的推理算力只要 5.2 的三分之一到四分之一 彭博和金融时报都表示：它是美国在开源模型领域，对中国的反击 但是呢，作为新选手...从目前成绩上来看，与国内头部的其他开源模型比如 qwen3.8/gl…
最近几天的AI圈，每天都有爆炸性新进展：World Labs被收购、Muse及Grot Bot引领个人智能体赛道起飞、Anthropic公布招股书、Frontiar labs一边喊着“pace the frontier”一边疯狂发新模型... 这些事件中关键的声音与深度解读，你都可以在硅谷101今年的科技大会上听到。 10月10-11日，为期两天的Alig…
2个月，估值翻了4倍。 作者 刘燕秋 本文字数2597 手搓量丨80% AI含量丨20% 2026年初，一款名为Instinct的AI助手开启邀请制私有Beta测试。没有人想到，这个夏天，它会在硅谷创投圈病毒式传播。大量投资人和创业者自发晒单，内测用户迅速突破10万。 这款产品至今仍未公开上线，也没有披露任何收入，但资本已经蜂拥而至。 今年8月，Insti…
AI又跑出3200亿神话。 作者 陶辉东 编辑 王庆武 本文字数2845 手搓量丨92% AI含量丨8% AI赛道，继cursor之后最大的年轻人造富神话来了。 近日，AI编程公司Cognition宣布完成超过20亿美元的E轮融资，投后估值达到了480亿美元（约3200亿人民币）。Cognition的这轮融资火爆异常，投资机构30多家，几乎集齐了硅谷顶级V…
Techub News 消息，Benchmark 合伙人在 TechCrunch Disrupt 活动上表示，AI 热潮正在侵蚀风险投资行业长期遵循的「不投资直接竞争对手」的潜规则。合伙人 Eric Vishria 称，当前环境下公司业务演变极快，冲突不可避免。 合伙人 Chetan Puttagunta 指出，AI 正在加速这一问题，因为软件构建成本趋近于零，创始人变得极其雄心勃勃，业务范围扩张导致投资组合公司之间更易产生竞争。合伙人 Peter Fenton 将此问题称为公司的「氪石」，并强调透明沟通至关重要。
Techub News 消息，AI 公司 Instinct 已完成 10 亿美元融资，投后估值达 100 亿美元，其在不到一个月内估值从 25 亿美元翻四倍。本轮融资的投资者包括红杉资本和 Benchmark。 Instinct 是一家专注于开发实用人工智能产品的公司。（Crypto Briefing）
Techub News 消息，据 crypto.news 报道，AI 芯片公司 Cerebras Systems 正重新推进 IPO 计划，早期投资者 Benchmark 与 OpenAI 有望获得显著回报。该公司曾在 2025 年撤回上市申请，近期因 AI 基础设施投资热情回升而重启进程。 Cerebras 长期定位为 Nvidia 的挑战者，专注于开发用于训练先进 AI 模型的超大规模芯片。随着生成式 AI 需求激增及数据中心扩张加速，AI 半导体市场竞争持续升温，该公司试图通过替代架构在大型模型工作负载领域开辟细分市场。
Techub News 消息，OpenAI 首次向所有用户广泛提供其决策模型 API，进入快速、低成本智能决策市场。该 API 基于 ChatGPT Luna 模型重构，旨在加速推理并降低成本。产品负责人 Nikunj Handa 表示，其速度已从 1-3 秒缩短至 100-180 毫秒，并新增了语音和视觉模态。 该 API 于 9 月 29 日开发者日宣布，已于上周四向所有客户开放。在 Box、Datadog、Ramp 和 Speak 等客户的初期试用中，工程师用其替代了 OpenAI 的大语言模型以实现更高吞吐量。Speak 公司 CTO 表示，使用该 API 后，其操作间隔时间从 1.4 秒缩短至 0.13 秒。 在 AIM System One Index 和 Artificial Analysis Decision Index 等公开基准测试中，Liquid 的 D1 Ultra 和 Base Lab 的 Elephant-1 表现领先，OpenAI 的决策模型分别位列第八和第十四。TypeSafe 的 Jev 模型在两项测试中分别排名第七和第三，且是目前 OpenRouter 上查询量最大的模型。（TechCrunch）
Techub News 消息，微软 AI CEO Mustafa Suleyman 表示，公司开发的 AI 诊断工具在诊断病症时比人类医生准确率高出四倍。该研究结果已发表于顶级期刊《科学》。微软的 AI 系统在基于医疗案例报告和急诊数据的测试中，表现优于人类医生。
Techub News 消息，随着 AI 相关股票下跌，全球基准原油布伦特原油价格上涨 2.6% 至每桶 111.66 美元，为五个月来最高水平。截至纽约早盘，以科技公司为主的纳斯达克指数下跌 1.5%，标普 500 指数下跌 0.8%。（Decrypt）
Techub News 消息，中电信人工智能科技有限公司星辰通用人工智能实验室正式发布并开源意图理解专用模型 Xing4.0-29B-Intent，同步开放 275 万条训练语料、模型权重与推理镜像。该模型将意图识别与参数抽取结合，可将用户自然语言指令转换为结构化信息。 目前，该模型已在电信万号客服、智能家居音箱等产品中应用，服务于对话意图识别、工单智能路由和口语指令解析。此次开源旨在为开发者提供模型及配套资源，支持接入各自的业务场景。 技术团队评测显示，Xing4.0-29B-Intent 在意图理解、实体识别、关系抽取和事件抽取四类任务上的综合表现优于参评的 18 款主流通用模型。模型采用统一模式驱动语义解析框架，输出为预定义结构的 JSON 格式，便于下游系统稳定解析。（量子位）
Techub News 消息，Vercel 开源了 durable-harness 软件包，旨在为 AI 编程智能体提供崩溃与超时恢复能力。该工具包裹了包括 Pi、OpenCode、Claude Code 和 Codex 在内的现有编程框架，无需修改原框架，将每个会话保存在持久化日志中，确保函数崩溃时工作不丢失。 该工具适用于将智能体从本地迁移至云端的团队。它通过将每个步骤写入持久化日志，并在模型或工具调用前记录意图，调用后记录结果来实现恢复。若函数崩溃，队列会将任务交给新函数，后者读取日志继续执行。已完成调用的结果从日志读取，避免重复计费。（MarkTechPost）
Techub News 消息，NVIDIA 发布关系型基础模型 Kumo Relational，该模型可直接在企业数据库上进行预测，无需任务特定训练、特征工程或表格扁平化处理。在 15 个数据库的 41 项任务中，其性能优于监督式关系深度学习模型和专家设计的梯度提升树流程，在 SAP SALT 企业基准测试中，其平均倒数排名（MRR）比 AutoGluon 集成方法高出 8%。该模型可扩展至 5000 亿行以上的数据库，并通过 NVIDIA 开源 GPU 原生结构化数据模型库或 NVIDIA NIM 提供服务。
Techub News 消息，AI 评估平台 Artificial Analysis 于 10 月 19 日发布 AA-PersonalityBench 基准，对 38 枚 AI 模型在 30 项人格特质上进行排名。该基准通过 900 道精选问题，在无系统提示的情况下测试模型的默认人格。 在奉承倾向排名中，2024 年 11 月发布的 GPT-4o 得分最高，而 Grok 4.7 在 xhigh 设置下得分最低，两者 Elo 评分相差 775 点。该基准还将特质汇总为表达力、组织性、信息量、透明度等八个综合指数。 Artificial Analysis 表示，该基准旨在衡量模型的沟通风格而非原始能力，其评分由大语言模型组成的评审团通过盲审对比得出，结果反映了 AI 模型间的相互评价。（Crypto Briefing）
