小米大模型硬核实测：高效攻克Rust代码重构，小众语言解析表现惊艳
一位开发者在技术社区分享了小米最新旗舰大模型的实战体验。在利用Agent工具辅助将复杂的FluffOS驱动（基于小众LPC语言）重构为Rust语言时，该模型展现了惊人的分析速度与规划能力。特别是在难度最高的词法分析与解析器构建环节，小米模型...
标签索引 / 第 2 页
AI评测
这个标签下有 27 篇文章。按时间回看相关判断与实践记录。
标签精选
相关内容
小米AI模型再进化：MiMo V2 Pro与Omni基准测试曝光，性能性价比受瞩目
近日，小米在AI大模型领域迎来新进展，即将推出名为MiMo V2 Pro和Omni的新一代模型。据第三方权威评测平台artificialanalysis.ai的最新数据显示，这两款模型已在质量、价格、响应速度（Tokens per seco...
国产模型体验对比：MiniMax 较真爱反驳，Kimi 顺从且多模态更强
近日科技社区引发了关于国产大模型的对比讨论。用户实测发现，MiniMax（m2.5版本）在交互中表现出较强的“独立性”，倾向于坚持自己的逻辑，甚至会反驳用户观点；而月之暗面的 Kimi（k2.5版本）则显得更加“听话”，倾向于无条件执行指令...
Spotify AI DJ 遭遇资深技术专家炮轰：所谓的“智能”究竟掩盖了多少愚蠢？
著名技术作家查尔斯·佩佐尔德近日亲测了 Spotify 推出的 AI DJ 功能，原本期待人工智能能修复该平台长期存在的推荐盲点，结果却大失所望。他在文章中犀利地指出，这款 AI 产品的表现简直“愚蠢至极”，这不仅让他对“智能”一词的定义产...
揭秘OpenRouter神秘模型：确认为小米Mimo Hunter与Healer，性能直逼Opus
经社区分词器测试确认，OpenRouter平台上的两款匿名模型Hunter和Healer确认为小米Mimo团队开发的新模型。评测显示，Hunter Alpha在处理日常任务时表现优异，主观体验媲美Opus，Healer更是达到了130tps...
多模态大模型遭遇“滑铁卢”：GPT与Gemini竟数不清教科书里的食物链
近日，有开发者利用普通高中生物教科书中的“食物网”图示对主流多模态大模型（LLM）进行了测试。结果显示，即便是 GPT 和 Gemini 等顶尖模型，在面对复杂的网状结构和交叉箭头时也纷纷“翻车”，未能正确统计出19条食物链。相比之下，人类...
豆包Seed 2.0发布三周“隐身”：缺席主流榜单，质量是否存疑？
字节跳动推出的豆包Seed 2.0系列模型已发布三周有余，然而在Artificial Analysis等主流评测榜单及OpenRouter模型聚合平台上仍未看到其踪影。这一缺席引发了社区对模型性能的广泛猜测，有人质疑是否因效果不佳而推迟上架...
字节豆包模型遭开发者吐槽：幻觉频发且稳定性差，实测体验不如Claude
一位开发者在技术论坛实测对比发现，字节跳动的豆包模型（疑似Seed 2.0）在执行特定编程任务时表现不佳，不仅在生成逻辑和代码上出现严重的“幻觉”和胡编乱造现象，还频繁报错，导致项目无法推进。该测试对比了Claude，结果显示国产模型在稳定...
实测锐评：Gemini 3.1 Pro上限极高但傲慢依旧，上下文“失忆”成硬伤
经过大量系统测试，Gemini 3.1 Pro在性能上限上超越了前代，被评价为目前最强的平民级模型。然而，其短板依然明显。首先，它对谷歌原生字段及“systemInstruction”参数极度敏感，与通用标准格式兼容性较差。其次，虽然对思维...
DeepSeek新模型长文本能力实测：74万上下文召回率85%，有效窗口约32.5万Token
据社区技术讨论显示，DeepSeek即将发布的新模型在超长文本处理方面表现惊艳。在针对约74.2万Tokens的复杂文本“大海捞针”测试中，模型成功召回14个指令，整体召回率高达85%。尽管由于中间位置指令丢失，推算出的注意力有效上下文窗口...