https://www.neican.ai/tags/ai%E5%9F%BA%E5%87%86%E6%B5%8B%E8%AF%95/ Recent content in AI基准测试 on AI内参 Hugo zh-cn Wed, 20 Aug 2025 10:40:05 +0800 https://www.neican.ai/insights/gpt-5claude-20250820104005351-1/ Wed, 20 Aug 2025 10:40:05 +0800 https://www.neican.ai/insights/gpt-5claude-20250820104005351-1/ GPT-5在软件工程基准SWE-bench Verified上宣称的代码能力领先地位遭到质疑，因其计算成绩时跳过了23道最困难的测试任务，而竞争对手Claude Opus则完成了所有题目。这起争议揭示了AI模型基准测试在透明度、可比性及公信力方面面临的严峻挑战，并促使行业重新审视如何公正、全面地评估大模型的真实能力及其对未来软件工程的深远影响。 https://www.neican.ai/insights/grok-480-20250711164005911-2/ Fri, 11 Jul 2025 16:40:05 +0800 https://www.neican.ai/insights/grok-480-20250711164005911-2/ 马斯克家的AI“新宠”Grok 4最近彻底“杀疯了”，各种基准测试直接“屠榜”，算力飙涨100倍！但更劲爆的是，一张 xAI 团队“作战图”曝光：核心成员80%都是华人，清华、上交、95后学霸“C位出道”，简直是硅谷“抢人大战”里的一股清流。虽然有人质疑它在代码方面可能“虚高”，但这场AI“神仙打架”的好戏，才刚刚拉开序幕！ https://www.neican.ai/insights/grok-4llm-20250707114004926-1/ Mon, 07 Jul 2025 11:40:04 +0800 https://www.neican.ai/insights/grok-4llm-20250707114004926-1/ 马斯克旗下xAI的Grok 4模型跑分泄露，在“人类最后考试”（HLE）等基准测试中表现卓越，尤其在复杂推理和编码能力上超越多数竞品，有望重塑当前大语言模型竞争格局。其声称采用“第一性原理”构建推理机制，引发了对AI能力边界和基准测试公正性的深入探讨，预示着AI在通用智能与垂直应用领域将迎来新的突破与挑战。