热搜话题榜单

评测界鼻祖王自如宣布在AI领域重新创业 直言选AI是来钱快

今日，王自如B站账号复更宣布回归，并改名为王自如AI，以AI测评UP主身份二次创业。 王自如在视频中表示:未来我想做的第一件事是做AI的内容创业，坦白来讲，因为这件事确实来钱快、资源整合的也快。” 王自如称，会选择高度聚焦AI应用方向，比如跟消费电子、产业、服务的结合，为第二件事做准备。

刚刚，OpenAI开源BrowseComp，重塑Agent浏览器评测

今天凌晨2点，OpenAI开源了专门用于智能体浏览器功能的测试基准——BrowseComp。这个测试基准非常有难度，连OpenAI自己的GPT-4o、GPT-4.5准确率只有0.6%和0.9%几乎为0，即便使用带浏览器功能的GPT-4o也只有1.9%。通过使用更多的计算资源，模型可以尝试更多的搜索路径，从提高找到正确答案的概率。

比GPT-4o更强？三位Adobe老将出走，做出了超强文生图模型丨AI新榜评测

GPT-4o，被击败了?最近大伙都被GPT-4o生成的各种“整活”图像刷屏了吧，各种动漫油画风格改图、经典影视复现、漫画设计改图……新的玩法每天都在涌现，大有“AI一日，人间一年”之势。甚至OpenAICEOSamAltman都累了:“收手吧，我们需要休息!”但就在GPT-4o火遍全球之际，一个来自初创团队的新模型ReveImage，却凭借其在特定图像生成领域的出色表现，悄然赢得了用户和专业榜单的

刚刚，OpenAI开源PaperBench，重塑顶级AI Agent评测

今天凌晨1点，OpenAI开源了一个全新的AIAgent评测基准——PaperBench。这个基准主要考核智能体的搜索、整合、执行等能力，需要对2024年国际机器学习大会上顶尖论文的复现，包括对论文内容的理解、代码编写以及实验执行等方面的能力。目前智能体的能力还无法超越人类。

颠覆革命还是虚惊一场？客观聊聊Manus究竟怎么样丨AI新榜评测

AI圈被Manus刷屏了。曾打造Monicaai的华人团队，推出了全球首款通用Agent——Manus，在GAIA基准测试中Manus远远甩开OpenAI。在Manus这一声“发令枪”响之后，2025年，AIAgent会离普通人的生活更近一步，我们将见到更多更好用的通用型Agent。

用DeepSeek一键对喷，这个软件竟能“吵架包赢”？丨AI新榜测评

下班后想打游戏放松，却总被队友喷到自闭?当996社畜的键盘撞上电竞老炮的毒舌，这场跨服对喷注定是场不对称战争，直到我发现了这款能施展DeepSeek毒舌功底的AI翻译软件——鲸喷DeepRant。点击看似官方出品的网址一看，只有四个朴实无华的大字——吵架包赢。在游戏世界的黑暗森林里，礼貌是文明的火把“嘴臭”才是生存的钢枪DeepRant这类游戏内AI翻译应用，至少可以让我们

DeepSeek R1有没有赶上OpenAI o1？ 八大场景测评结果出炉

经过一系列测试——从创意写作到复杂的教学，DeepSeek-R1的综合实力完全能和OpenAI的付费「精英」们掰手腕。原来用对方法，性价比路线也能玩转AI竞技场!DeepSeek发布其开放权重的R1推理模型仅一周时间，多次震惊海内外。这场快测的结果让科技媒体arstechnica资深编辑感慨，DeepSeek-R1的综合实力完全能和OpenAI的付费「精英」掰手腕。

全方位进化的YOYO智能体！荣耀Magic7系列评测：最懂你的AI智能手机

一、前言：首批搭载骁龙8至尊版荣耀Magic7系列年度旗舰震撼来袭在全球掀起的人工智能热潮中，各行业都在积极拥抱AI所带来的变革。正是在这样的背景下，荣耀推出了其最新年度旗舰机型荣耀Magic7系列。我们将从性能、影像、AI和续航等方面对荣耀Magic7系列进行全面评测，深入探讨其在实际使用中的表现。

联想小天加持 moto g55体验评测：千元机的AI革新之作

一、前言：联想moto初次将联想小天个人智能体融入千元手机作为一个拥有近百年历史的品牌，联想moto始终在手机领域保持强大的品牌影响力。不仅在旗舰机型上表现出色，联想moto也在千元级手机市场持续创新，力求为广大用户提供兼具创新性和高性价比的产品。让我们详细看看联想motog55的各方面表现，看看它是否能延续联想moto的卓越品质，成为千元级手机市场中的佼佼者。

VBench评测第一，5周访问量暴增8倍多! 这款国产AI视频生成器「压番」Runway

这难道不是一部电影的切片?来自@StevieMac03谁能不被这头苏醒过来的小飞象萌化?使用了图生视频lastframe功能，来自@alexgnewmedia讲真，要不是在X上晃悠时突然被这几个视频「砸中」，咱还真不知道MiniMax，中国估值最高的大模型公司之一，又闷声整了个大活儿。咋说碎就碎?魔法降临，石膏天使也会醒来。神奇海螺的智慧和魔力是不容被质疑的，既然Sora迟迟不来，为什么不问问神奇

超5万人排队内测！海内外爆火的“中国版Sora”惊艳全场，真这么好用？| AI评测

现在外网最抢手的AI视频生成模型，不是Sora，也不是Runway或Pika是国产大模型“Kling”。可灵视频合集在X平台上获得数百万浏览量由于生成视频效果惊艳，可灵在国外获得了“中国版Sora”“Sora杀手”等称号。无论是大厂还是初创公司，都是对其内容生态构建、商业模式创新和成本控制能力的全方位考验。

百川智能发布大模型Baichuan3 称中文评测超越GPT-4

百川智能于1月29日推出了拥有超过千亿参数的大型语言模型Baichuan3。该模型在多个公认的通用能力评估，如CMMLU、GAOKAO和AGI-Eval等，都展示了卓越的表现，特别是在中文任务上更是超过了GPT-4的水平。Baichuan3全面的通用能力以及在医疗领域的强大表现，将为百川智能打造“超级应用”，把大模型技术落地到诸多复杂应用场景提供有力支撑。

智谱AI发布中文 LLM 对齐评测基准AlignBench

智谱AI发布了专为中文大语言模型生的对齐评测基准AlignBench，这是目前第一个针对中文大模型的评测基准，能够在多维度上细致评测模型和人类意图的对齐水平。AlignBench的数据集来自于真实的使用场景，经过初步构造、敏感性筛查、参考答案生成和难度筛选等步骤，确保具有真实性和挑战性。通过登录AlignBench网站，提交结果可以使用CritiqueLLM作为评分模型进行评测，大约5分钟即可得到评测结果。

智源研究院开源 AI 硬件评测引擎FlagPerf v1.0

智源研究院发布了FlagPerfv1.0，这是一个开源开放的AI硬件评测引擎。FlagPerf的评测指标体系包括功能正确性指标、性能指标、资源使用指标和生态适配指标。所有测试代码都已开源，测试过程和数据可复现。

国产大模型推理能力已超GPT-3.5！冲进OpenAI评测榜第一梯队

OpenAI开源的数学数据集，中国厂商新成绩一举冲到最前列!就在9月16日，国产大模型在权威推理评测集GSM8K中，首次达到了80%正确率，大幅领先GPT-3.5和LLaMA2-70B。且这家厂商在大模型榜单上刷新全球纪录，已经不是第一次了。可以不夸张地说一句，昆仑万维和它家的天工大模型，已经是大模型江湖中，一个绕不过去的狠角色了。

文心一言放开后，我们评测了百度搜索的「AI伙伴」

百度突然官宣，文心一言全面开放，人人都能上手用了!官网地址:https://yiyan.baidu.com现在，只需登陆「文心一言官网」即可体验。真正重磅的是，一批全新重构的百度AI原生应用，包括百度搜索、「文心一言APP」、输入法、百度文库率先开放。人手一个AI搜索，就是现在。

Midjourney系列重磅更新全测评！一张AI图看完“瞬息全宇宙”

Midjourney的更新频率是真的快，简直是AI绘画届的“卷王”。继ZoomOut、CustomZoom等缩放填充功能之后，就在前天，Midjourney又推出了平移扩展功能Pan。SD的优势则在于免费和开源还在迭代，但目前的生成效果次于MJ和PS，操作难度也较高。

AIGC产品测评TOP25丨谁能抢到下个十年的“船票”？

2016年，李彦宏站在百度联盟峰会的讲台上，向所有人宣布:互联网的下一幕是人工智能。Google+旗下+Deep+Mind+开发的+Alpha+Go+战胜围棋选手李世石，直接推高市场对AI的想象，一批AI公司崛起，有人把这一年称作“AI元年”。

中国信通院“可信 AI”大模型评测完成 近期启动编制工作

凤凰网科技讯 日前，中国信通院宣布，“可信 AI”大模型评测工作完成，近期将启动编制工作。中国科学院自动化研究所、武汉人工智能研究院研发的“紫东太初”大模型参与了中国信通院组织的可信AI评测工作，顺利完成模型开发和模型能力两部分评测并最终获得4 级评分，成为国内首家通过该项评测的学术机构。参与本次评测的“紫东太初”大模型在模型开发和模型能力两个方面均表现优异。在模型开发方面，模型开发流程及工具链较为完备，从数据管理、模型训练、模型管理到模型部署，全方位支撑大模型开发工作，助力实现研发运营一体化。在模型能

阿里版GPT测评，世界上怎么会有这么嘴碎的AI！你给我停止生成

朋友是提供情绪价值更重要是提供工具价值更重要?这是阿里大模型“通义千问”给的回答，你觉得怎么样?ChatGPT发布后，数月间全世界都对AI的能力有了新的认知。科幻小说正在变为现实，既然我们人类早晚要跟AI共存，不如先用通义千问做个测试，AI到底是生活伴侣还是生产助手?更擅长提供情绪价值还是工具价值?至于我们的结论，hmm，往下看就知道了。如果你拥有“通义千问”，你会怎么用它呢?欢迎评论区留言。