标签索引 / 第 3 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

千问发布 Qwen-Image-2.0：生编一体架构落地，中文渲染能力领跑行业

阿里千问团队正式发布新一代图像模型 Qwen-Image-2.0。该模型采用轻量级架构，首次将图像生成与编辑能力统一至同一模型中，实现了性能的大幅提升。其核心亮点在于极其细腻的画质表现以及业界领先的中文汉字渲染能力，能够精准还原《兰亭集序》...

2026-02-101 分钟阅读207 阅读

这篇文章分享了用户对国内主流大模型的实测体验。对比腾讯元宝、字节豆包、DeepSeek和阿里千问后，作者认为DeepSeek的逻辑深度最佳，而元宝存在逻辑错误，豆包回答较为表面。此外，文章还探讨了AI上下文记忆上限的痛点，并尝试寻找跨对话“...

2026-02-071 分钟阅读296 阅读

巴塞罗那超级计算中心（BSC）推出了“TuRTLe”排行榜，这是一个专门用于评估大语言模型（LLM）在寄存器传输级（RTL）硬件描述语言生成能力的标准化平台。针对芯片设计中至关重要的 Verilog 代码生成环节，该榜单填补了行业空白，相关...

2026-02-051 分钟阅读245 阅读

当前AI行业普遍存在“跑分高、体验差”的怪象。文章揭露了两大行业潜规则：一是模型专门针对测试集训练以获取虚高分数，二是使用全精度模型刷榜，却在API服务中仅提供性能缩水的量化版本。相比之下，月之暗面（Kimi）的K-2及K-2.5模型直接基...

2026-02-041 分钟阅读230 阅读

作者开发了Narrator平台，旨在通过“AI版Wattpad”模式，利用真实读者的互动数据（如阅读时长、评分、收藏）来评估大语言模型的小说创作能力。文章指出，现有的记忆测试、作者辅助数据或AI打分等评估方法均存在局限，无法全面反映作品的吸...

2026-02-041 分钟阅读244 阅读

近期测试发现，Google Gemini 在处理多图上传时存在逻辑反转问题。当用户上传多张图片时，Gemini 会将最后上传的图片视为第一张，与用户直觉相悖。相比之下，Grok、豆包和 Claude 均能正确识别图片顺序。值得注意的是，如果...

2026-01-121 分钟阅读245 阅读

一位用户分享了订阅Google Ultra后的实际体验。虽然DeepThink在稳定性上有所提升，但在撰写报告时仍存在幻觉，且联网搜索质量不如Claude。最令人失望的是编程功能，多次拒绝分析GitHub仓库及用户自身项目。作者认为Deep...

2026-01-101 分钟阅读179 阅读