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。
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 11 次阅读
GDPx智能体基准发布：最强模型仅拿12%，金融与法律任务得零分
AI资讯 AI导航 13 次阅读
Figma自研画布编辑模型：25万条样本微调打底，强化学习补泛化
AI资讯 AI导航 17 次阅读
过拟合是什么意思？为什么训练时很准，一用新数据就出错
AI百科 AI导航 12 次阅读
MOSS-Image正式开源发布：5B开放权重图像模型攻克长文本渲染，版式可用JSON直接改
AI资讯 AI导航 15 次阅读
Gemini 4 Carbon发布：谷歌最强模型专攻网络安全，长程任务能连跑数天，先开放给网络防御者
AI资讯 AI导航 12 次阅读
MiniCPM-OCR开源发布：1.3B模型专做文档解析
AI资讯 AI导航 14 次阅读
大模型评不出科研新点子：Ai2实测换个提示词准确率跌破五成
AI资讯 AI导航 10 次阅读