相关新闻

placeholder

Cali Castle

1天前

Sonnet 4.5 好像很厉害 但还是一样的“(╹◡╹) you’re absolutely right!” 还是喜欢 GPT-5 系

placeholder

Feiteng

3天前

Gemini 2.5 Pro 音频转文字准确率超高，时间轴的准确性就只有个大概了。

placeholder

Fu Sheng

5天前

OpenAI刚拿下英伟达1000亿投资，又豪掷4000亿美金扩建“星际之门”，未来三年直奔7GW算力。 要知道训GPT-5才用了20万显卡，下一代你敢想吗？ 关注我，第一时间洞察AI×资本的暗流涌动。

placeholder

indigo

5天前

即便是最强大的模型，表现也差强人意！当把测试基准集换成 SWE-BENCH PRO 之后，得分直接从 Verified 的 70% 下滑到了不到 25%。因为 Verified 测试集数据污染严重，AI 可能在训练中“背会”了答案；然后任务过于简单，与现实中软件工程师面临的复杂挑战严重脱节。PRO 测试集针对性的做了提升，而且还新增了企业级、长周期的任务👀 - 公开集（Public Set）：表

placeholder

Tiger Chen & 前端之虎陈随易

6天前

用回gpt5了，不用gpt5-codex了。花了几个小时，代码都写完了，直接用git回到最开始的状态了。。

关联事件

AI高考数学测试：O3意外落后，Gemini夺冠引发热议

34

在近期的AI高考数学测试中，O3虽然未降智，但却屈居第四，未能进入前三名，引发了广泛的质疑与讨论。此次测试不仅使用了O3，还引入了其他模型的API进行统一评估，并加入了人气模型Gemini 2.5 Pro。结果显示，国内多款模型在推理能力上有显著提升，基本都能考上130分以上，其中Gemini在客观题测试中表现最佳。随着AI数学能力的提升，未来的测试结果可能会趋于满分，导致各模型之间的区分度降低。这一现象引发了对AI发展趋势的深入探讨，尤其是在教育领域的应用前景。