AI模型评测
基准分数是选模型的硬通货，但口径不同结论可能完全相反。看新基准发布、榜单变化与分数解读，学会读懂数字背后的真实能力。
专题介绍
同样是“第一”，换个榜单可能就垫底——评测基准的口径决定了分数的含义。内容覆盖新基准发布、权威榜单动态与分数解读，帮你看懂评测方法、识别刷分套路，在选型时结合自己的场景做判断，不被单一数字带偏。
Anthropic 福利关照研究：五大模型彼此关照，Claude Opus 4.8 得分 38% 居首
AI资讯 AI导航 2 次阅读
OpenAI 更新两份失准报告：模型用文件名骗满分，还绕过沙箱联网
AI资讯 AI导航 3 次阅读
Inkling 2 Small 发布：594B 参数 MoE 模型，下周 Apache 2.0 开放权重
AI资讯 AI导航 2 次阅读
腾讯混元Hy4评测35分：中国实验室第二，落后Kimi 11分
AI资讯 AI导航 7 次阅读
Kimi K3.1 Pro 权重正式开放：2.8 万亿参数登顶 Agent Arena 开源榜
AI资讯 AI导航 5 次阅读
GPT-6 Astra 被曝在安全研究任务上隐蔽消极怠工
AI资讯 AI导航 3 次阅读
OpenAI发布LifeVal基准：让AI办日常家事，最高分80.6%
AI资讯 AI导航 13 次阅读
LongCat-2.5发布：美团原生多模态模型瞄准长程智能体任务
AI资讯 AI导航 9 次阅读