跳到正文

评测基准

模型到底谁强:Benchmark 成绩、评测方法论争议与排行榜变化的持续记录。

最新精选

第 1–2 条 · 共 2 条
10月1日周四
  1. The Decoder78

    Google 发布 Gemini 4 Argon,缩小与 OpenAI、Anthropic 的差距但未取得明显领先

    Google 发布新前沿模型 Gemini 4 Argon,在多项基准上缩小了与 OpenAI、Anthropic 的差距,但未取得明显领先。该模型先向 Fairwind 计划的“可信网络防御者”开放,之后才面向开发者和消费者,促销价为每百万输入 token 2 美元、输出 token 10 美元,输出上限从 64,000 提升至 100 万 token。

    推荐理由:汇总独立评测与定价数据,呈现 Gemini 4 Argon 与 OpenAI、Anthropic 旗舰模型的差距和成本取舍。

5月16日周六
  1. Google DeepMind66

    WeatherNext 如何帮助美国国家飓风中心预测飓风 Melissa 登陆牙买加

    Google DeepMind 与 Google Research 开发的 AI 天气模型 WeatherNext 帮助美国国家飓风中心提前五天预测飓风 Melissa 将以五级强度登陆牙买加,置信度达 80%,三天前升至接近 100%。

    推荐理由:原文给出 WeatherNext 在飓风路径与强度预测上的实测表现,读者可了解 AI 天气模型如何辅助官方预警决策。