Search

Tag: #ai-benchmarks13 results

前沿模型生產嘗試三分之一失敗

史丹佛HAI第九屆AI指數報告指出，前沿AI模型在生產嘗試中約三分之一失敗，儘管基準測試有顯著進展。「鋸齒前沿」描述其不均勻表現，能在IMO奪金牌卻無法可靠報時。企業AI採用率達88%，代理基準如SWE-bench（近100%）及Cybench（93%）有進步。

VentureBeatMedia•Apr 15#ai-benchmarks#model-reliability#ai-agents

Mythos AI 首度攻克網路滲透挑戰

英國政府利用 Mythos AI 測試區分真實網路安全威脅與炒作。Mythos 是首個完成艱難多步驟滲透挑戰的 AI 系統，展現先進能力。

Ars Technica AIMedia•Apr 14#cybersecurity#ai-benchmarks#government-testing

基準測試揭露AI科研極限

四項關鍵基準測試—HLE、FrontierScience、SDE 和 LABBench2—揭露 AI 在科研中的缺口，從記憶瑣碎知識到處理完整工作流程。頂尖模型如 Gemini3DeepThink 在知識上得分高，但在開放式創新和專案執行上失利。這些測試引導 AI 朝真正科學推理發展。

虎嗅Media•Mar 21#ai-benchmarks#scientific-reasoning

新測試：驚喜免費 AI 勝 ChatGPT、Claude

許多用戶正從 ChatGPT 轉向 Claude，但新報告挑戰此趨勢。測試顯示兩者皆非最強免費 AI，表現依任務而異。一款驚喜模型在特定基準測試中勝出。

TechRadar AIMedia•May 1#ai-benchmarks#free-models#llm-comparison

史丹佛2026 AI指數圖表解析AI現況

史丹佛大學人類中心人工智慧研究所發布2026 AI指數，這是AI進展的年度報告卡。它穿透AI金礦熱潮、泡沫、工作威脅及基本限制等矛盾敘述。報告提供圖表，幫助理解AI當前現況與新聞混亂。

MIT Technology ReviewResearch•Apr 13#annual-report#ai-benchmarks#industry-analysis

M5 Max MacBook Pro 以 5,849 美元稱霸基準測試

M5 Max MacBook Pro 搭載 18 個 CPU 核心、40 個 GPU 核心、128GB RAM 和 4TB SSD，售價 5,849 美元，單核 4,351、多核 29,510 的基準測試名列前茅。它透過 Neural Accelerator 提供比前代高階 Mac 快 4 倍的 AI 效能。適合裝置端 AI、影片、CAD 和模擬，電池續航 22 小時。

ComputerworldMedia•Mar 23#apple-silicon#neural-accelerator#ai-benchmarks

AI理科碾壓人類狀元，卻被這道「文科題」戳中死穴

AI在高考理科科目碾壓人類狀元，但被一道特定文科題徹底擊倒。文章揭露此弱點，並為準大學生提供「反擊指南」。

钛媒体Media•May 4#gaokao#ai-benchmarks#llm-weaknesses

ChatGPT Images 2.0 對戰 Gemini Nano Banana

作者以九項圖像生成測試比較 ChatGPT Images 2.0 與 Gemini Nano Banana。其中一模型明顯勝出。結果突顯圖像創作優勢。

ZDNet AIMedia•Apr 27#image-generation#ai-benchmarks#model-comparison