标签索引

模型测试

这个标签下有 7 篇文章。按时间回看相关判断与实践记录。

标签精选

用户实测质疑IkunCode中转站：标称GPT-5.5疑似版本混淆与性能注水

近期，科技社区Linux.do有用户针对AI API中转服务商IkunCode提出了质疑。用户参考业界标准测试方法，发现其标称为“GPT-5.5”的模型存在明显异常：模型自我认知为GPT-4.1或拒绝回答，知识截止日期停滞在2024年6月，...

2026-05-111 分钟阅读385 阅读

近日，DeepSeek V4 模型在一次逻辑测试中表现出色。当面对“容器R里有几个草莓”这一定义模糊的难题时，该模型没有像以往的大语言模型那样强行“过拟合”或产生幻觉给出答案，而是主动反问用户“R”的具体定义。这种“不懂会问”的交互方式，被...

2026-04-241 分钟阅读78 阅读

论坛上有用户发现，当询问尚未正式发布或数据集尚未覆盖的“Gemini 3.1 Pro”时，多个主流LLM模型均将其误认为“Gemini 1.5 Pro”。分析认为，这是因为模型在训练阶段接触了大量关于1.5 Pro的数据，导致其在向量空间中...

2026-02-251 分钟阅读122 阅读

来自 Linux.do 社区的最新实测显示，疑似 Gemini 3.1 Pro 的模型在视觉与逻辑推理上取得显著突破。其优势在于“思考”长度明显增加，SVG 生成、图像识别（如魔方、手写、人物全识别）能力大幅提升，且代码能力（如《我的世界》...

2026-02-191 分钟阅读186 阅读

Google Gemini疑似新版本“Snowbunny”近期引发关注。据悉，该模型提供“Raw”（原生）和“Less Raw”（受限）两种变体，其中Raw版本限制较少。知情人士透露，该模型在正式发布前已遭到大幅削弱，这符合Google在产...

2026-01-241 分钟阅读312 阅读

Artificial Analysis的Image Arena平台提供了一个创新环境，让用户通过选择偏好图像来评估AI文本到图像模型，无需了解模型提供商。目前，新图像模型“金鱼”正在该平台进行测试。测试中使用了提示“设计一个关于日常运动益处...

2026-01-071 分钟阅读281 阅读

本文报告了AI模型Opus-4.5的性能测试结果，在每5小时的运行中成功处理了75条数据，剩余分数分别为0.9866667和0.97333336。话题包含19个帖子，由16位参与者深入讨论，提供了模型效率、资源使用和稳定性的技术分析。测试数...

2026-01-041 分钟阅读256 阅读