AGI-Eval评测社区

文章/答案/技术大牛

发布

LV0

发表了文章 4天前2025-06-25 11:33:04

全球实时语音交互AI产品大比拼!阶跃AI和豆包问鼎,超越GPT-4o！

去年 5 月，OpenAI 发布全模态 AI 模型 GPT-4o，凭借实时处理文本、图像、音频输入的强大功能，以及像电影《Her》中一样媲美人类对话的响应速度、...

AGI-Eval评测社区 4天前2025-06-25 11:33:04

语音助手、大模型部署

发表了文章 5天前2025-06-24 10:52:58

新版 DeepSeek-R1 实测，我们发现了这些没写在宣传页的细节

近期，DeepSeek 发布其旗舰推理模型 R1 的最新迭代版本——DeepSeek-R1-0528。尽管官方将此次更新界定为“小幅试验性升级”，但该版本已在全...

AGI-Eval评测社区 5天前2025-06-24 10:52:58

DeepSeek、大模型部署

发表了文章 16天前2025-06-13 11:00:48

Manus、Genspark、Coze空间、Minimax横评，谁是最强Agent？

今年3月，号称全球第一款通用 Agent 产品的 Manus 爆火出圈，当时整个互联网圈子一"码"难求的场面让人印象深刻，在其演示视频中，Agent一步步逐级...

AGI-Eval评测社区 16天前2025-06-13 11:00:48

agent、大模型部署

发表了文章 18天前2025-06-11 11:41:04

【AGI-Eval实测】Claude 4 网页生成、游戏开发场景深度实测：发布会宣传与真实效果相差几何？

近日，Claude 4 系列模型正式推出， Anthropic 宣称，Claude Opus 4 是全球最佳编码模型，在复杂、长期运行的任务和代理工作流中表现持...

AGI-Eval评测社区 18天前2025-06-11 11:41:04

大模型部署

发表了文章 20天前2025-06-10 09:59:37

AGI-Eval托管UGMathBench：数学推理评估从「浅层解题」迈向「深层理解」

数学推理能力作为衡量模型智能水平的关键指标，需对其进行全面公平的评估。然而，现有的 GSM8K、MATH 数学基准因覆盖不足和易被数据污染饱受诟病，要么缺乏对本...

AGI-Eval评测社区 20天前2025-06-10 09:59:37

大模型部署、数学

发表了文章 2025-05-232025-05-23 10:31:27

【AGI-Eval评测报告】混元图像2.0模型开箱评测，模型实测效果大放送！

di腾讯几天前发布混元图像 2.0 模型，创新性地实现了“边说话边出图”、“边打字边出图”的功能，为我们带来了前所未有的交互新体验，那么它的实际能力表现又如何了...

AGI-Eval评测社区 2025-05-232025-05-23 10:31:27

大模型图像创作引擎

发表了文章 2025-05-222025-05-22 10:41:52

AGI 进阶之路探索：我和头部大模型对话学习3w+轮次后发现…

2024年7月，OpenAI 公司提出了通用人工智能（AGI）的五层框架理论，将 AGI 的发展分为5个阶段：聊天机器人（Chatbots）、推理者（Reaso...

AGI-Eval评测社区 2025-05-222025-05-22 10:41:52

大模型部署

发表了文章 2025-05-082025-05-08 15:09:40

【AGI-Eval评测报告 NO.6】o3 / o4-mini 文本权威评测：o3 强势登顶

① o3 毫无悬念的登顶，在交互能力、推理能力、指令遵循和初等数学四个方面全面领先；

AGI-Eval评测社区 2025-05-082025-05-08 15:12:13

大模型图像创作引擎

发表了文章 2025-05-072025-05-07 10:29:58

【AGI-Eval 实测速报】OpenAI o3/o4-mini视觉推理封神？实测翻车率略高

北京时间4月17日凌晨一点，OpenAI 开启了20分钟线上直播，上线了满血版 o3，还有下一代推理模型 o4-mini，官方称是 OpenAI 迄今为止最智能...

AGI-Eval评测社区 2025-05-072025-05-07 10:29:58

大模型图像创作引擎

发表了文章 2025-04-152025-04-15 11:08:36

【AGI-Eval行业动态 NO.10】一文看懂，字节开源多语言的Multi-SWE-bench 的背后深意

字节跳动研发团队最新发布的Multi-SWE-bench基准测试，以7种主流编程语言、1632个人工验证的GitHub Issue实例，这项发表于2024年的研...

AGI-Eval评测社区 2025-04-152025-04-15 11:08:36

大模型部署

发表了文章 2025-04-142025-04-14 15:34:41

【AGI-Eval趣味测试】用 7 道超绕算术陷阱题，测测你和 AI 谁更会算

此次主要测试了7道题，测试目标为AI在数学陷阱题目上的表现。测试对象为推理系头部模型deepseek-r1、gpt-4o，对话系头部模型d豆包1.5 pro、Q...

AGI-Eval评测社区 2025-04-142025-04-14 15:34:41

大模型部署

发表了文章 2025-04-112025-04-11 11:57:13

【AGI-Eval评测报告 NO.5】主观评测 R1 vs o1 vs o3-mini，全视角报告输出

之前我们社区针对推理系模型做过多项能力考察，在学科和代码方面都做了详细分析。今天我们也对现在市面上能力排行前列的 R1、o1 及 o3-mini 这三款推理系模...

AGI-Eval评测社区 2025-04-112025-04-11 11:57:13

大模型部署

发表了文章 2025-04-102025-04-10 10:29:22

独家托管 RM-Bench：给大模型的“打分能力”打个分

论文作者为来自于 Fudan University 的 Yantao Liu、Yixin Cao，Tsinghua University 的 Zijun Yao...

AGI-Eval评测社区 2025-04-102025-04-10 10:29:22

大模型部署

发表了文章 2025-04-092025-04-09 11:21:59

【AGI-Eval评测报告NO.4】多模态开箱评测，五大厂商跨模态 battle 谁更强？

本报告为可支持视频通话产品的跨模态交互开箱评测方案及对应结论，待测产品需要在 3 分钟左右的时间内与用户进行实时视频交互形式下的多轮次对话。数据覆盖生活常见的视...

AGI-Eval评测社区 2025-04-092025-04-09 11:21:59

大模型部署

发表了文章 2025-04-082025-04-08 10:07:18

【AGI-Eval行业动态】OpenAI 语音模型三连发，AI 语音进入“声优”时代

美东时间 3 月 20 日，OpenAI 发布了三款全新语音模型，分别是自动语音识别模型（ASR） GPT - 4o Transcribe 和 GPT - 4o...

AGI-Eval评测社区 2025-04-082025-04-08 10:07:18

语音、大模型部署、openai

发表了文章 2025-04-072025-04-07 10:37:15