跳到正文

内容类型

评测基准 最新动态

模型到底谁更强:Benchmark 评测成绩、评测方法的争议与排行榜变化。

22 条精选近 30 天 18 条共收录 956 条

更新

精选归档 · 第 2 页

8月25日周二第 21–22 条
  1. Hugging Face:zai-org 新模型79

    GLM-5.3发布,强化复杂编码与长程智能体任务

    GLM-5.3发布,沿用GLM-5.2基础模型,主要通过后训练提升复杂编码、长程任务和网络安全能力。模型在内部Z.ai Code Bench上较GLM-5.2提升50%,在Terminal Bench 3.0和Agents' Last Exam等公开基准上达到开源SOTA,并支持SGLang、vLLM、Transformers、Unsloth等本地部署框架。

    推荐理由:文章给出GLM-5.3相对GLM-5.2的编码与网络能力增幅,并提供本地部署和评测配置,便于对照能力变化与复现条件。

  2. Anthropic News61

    Anthropic启动500万美元AI用户福祉研究资助计划

    Anthropic启动500万美元资助计划,支持独立研究AI对用户福祉的影响。项目将提供模型访问和技术支持,研究成果以开源项目形式发布,评测需覆盖预防措施与伤害风险,并纳入临床及领域专家验证。申请截止时间为9月21日,进入完整提案阶段的申请人将于10月5日获通知。

    推荐理由:Anthropic以500万美元支持独立机构建设AI对用户福祉影响的开放评测,提供了可操作的评估标准与研究支持。