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。
微软 ThinkingBox 发布：智能体做没做完，看数据库终态不看它怎么说
AI资讯 AI导航 21 次阅读
Kolibri 开源权重发布：78B 参数每 token 只激活 3.46B，上下文达 100 万
AI资讯 AI导航 18 次阅读
编程智能体榜单更新：Sonnet 5.5、GPT-6.1 Sol、Gemini 4 Argon 冲上前列，任务成本差十几倍
AI资讯 AI导航 59 次阅读
Cloudflare 开源 Clef 决策模型，27B 与 9B 双版本并推出 RL 微调平台
AI资讯 AI导航 27 次阅读
英国 AISI 恢复危险能力评估：收紧网络访问并上线实时监控
AI资讯 AI导航 14 次阅读
Ataraxos 击败军棋世界冠军：MIT 新 AI 登 Nature，训练量不到 DeepNash 百分之一
AI资讯 AI导航 24 次阅读
温度参数是什么意思？大模型回答随机性的控制旋钮
AI百科 AI导航 25 次阅读
OpenRouter 发布 Agent 模型选型框架：先给任务定质量线，再算清每质量点成本
AI资讯 AI导航 12 次阅读