发布一天，CodeLlama代码能力突飞猛进，微调版HumanEval得分超GPT-4
昨天的我：在代码生成方面开源 LLM 将在几个月内击败 GPT-4 。现在的我：实际上是今天。
首页 > 得分
-
-
马斯克突发Grok1.5！上下文长度至128k、HumanEval得分超GPT-4
就在刚刚，马斯克Grok大模型宣布重大升级。难怪之前突然开源了Grok-1，因为他有更强的Grok-1.5了，主打推理能力。来自xAI的官方推送啥也没说，直接甩链接。
-
最强端侧AI！天玑9400得分一骑绝尘几乎是骁龙8Gen3两倍
10月15日消息，联发科日前发布了全新的旗舰芯片天玑9400，这是天玑第二代全大核SoC，更是业界首款旗舰5G智能体AI芯片。在苏黎世ETHZ AI Benchmark v6.0 芯片AI性能的测试中，天玑9400以6773分绝对高分的成绩一骑绝尘，几乎是骁龙8 Gen3的两倍，轻松拿下最强手机NP
-
史上最难大模型测试集，千名专家铸成！没有模型得分超过10%，但DeepSeek-R1超o1
史上最难的大模型测试集来了！包括o1在内，没有任何一个模型得分超过10%。题目来自500多家机构的1000多名学者，最终入围的题目有3000多道，全部都是研究生及以上难度。入选的问题涵盖了数理化、生物医药、工程和社会科学等多种学科，按细分学科来算则多达100余个。官方更是将它称为“人类最后的考试”，
-
“最聪明AI”Grok3多项得分超DeepSeek等对手
当地时间2月17日，xAI团队成员在直播中表示，在数学、科学和代码等能力表现方面，Grok-3在多项测试中均取得了比DeepSeek、GPT-4o更优的效果。
-
中国AI平台最新格局出炉！百度综合得分第一，第二梯队竞争激烈，大模型加速云厂商进化
大模型趋势，给与之相关的一切来了亿点“小震撼”。人工智能/机器学习平台正是其中之一。它与大模型趋势紧密相关，能直接反映出各大云厂商的AI技术研发储备水平，以及对最新趋势的洞察和理解能力。究竟谁家实力更强？正被业内所津津乐道。而技术风向剧变之下，AI/ML平台也有了新的评价标准。国际权威机构Forre
