Tagged articles : 基准测试

GPT-6 Astra is out: is it really worth 2.5 times the price?

98.6% on the hardest test, 61 out of 100 from the independent judge: where the gap comes from, and what GPT-6 Astra really changes.

阅读全文

每百万 token 的价格：用于编程的 AI 完整对比（订阅、API、聚合器、本地运行）

修正后的编程 AI 对比：根据你的情况该选什么，每百万 token 的价格和真实上限。

阅读全文

ByteDance正在构建一个拥有10万亿个参数的模型。这是整件事里最不值得关注的数字。

ByteDance正在训练一个参数量最高达10万亿的模型。这个数字为什么几乎说明不了什么，以及Doubao背后真正隐藏着什么。

阅读全文

一个便宜89倍的模型，声称几乎达到 Opus 的分数。陷阱不在大家以为的地方。

DeepSeek宣布 Terminal-Bench 得分82.7，对比 Opus 4.8 的85.0。官方排名显示78.9。评测框架到底改变了什么。

阅读全文

Kimi K3、GPT-5.6、Grok 4.5、Opus 5：2026年7月，AI彻底失控的一个月

对比 Kimi K3、GPT-5.6、Grok 4.5 和 Opus 5：基准测试、价格，以及能否在 Mac 或 PC 上本地运行 Kimi K3。

阅读全文