Logo
菜单
孤本网 科技资讯 聚焦人工智能模型、AI 工具、智能应用与开发实战，提供经核验的发布动态、产品评测、教程与行业观察。

模型评测

所有标签

#本周精选 15 #多模态 17 #RAG 3 #模型评测 58 #行业应用 58 #融资并购 107 #编程助手 36 #终端硬件 138 #算力芯片 182 #监管政策 54 #提示工程 8 #技术生态 178 #开源 101 #安全 61 #大模型 347 #企业动态 724 #人工智能 955 #云计算 88 #AIGC 13 #AI 应用 79 #AI Agent 231 #Halo 1
评测 #监管政策#模型评测#技术生态#本周精选

2026年主流语音克隆API横向评测：ElevenLabs价格最低，Fish Audio相似度登顶，合规门槛成核心分水岭

一句话结论 多家主流语音克隆API性能与定价分化显著，ElevenLabs价格最低但相似度垫底，Fish Audio相似度最高但多语言成本更高，合规机制成核心分水岭。 关键要点 测试基准显示，ElevenLabs Flash版价格最低（$50/百万字符），但其v3模型在11个参评模型中相似度垫底（2

孤本网 孤本网 发布于 2026-09-21
评测 #模型评测

BioPhys-Bridge：面向物理基础生物学研究的跨学科科学推理基准

arXiv 新提交的论文提出 BioPhys-Bridge，一个用于生物物理文献中基于证据的科学推理的基准数据集。论文指出，语言模型在分析跨学科科研文献时面临独

孤本网 孤本网 发布于 2026-09-18
快讯 #模型评测

启用两项设置如何让我们在 ARC-AGI-3 基准测试中的得分增至三倍

两项 API 设置提升了 GPT-5.6 在 ARC-AGI-3 基准测试上的表现。通过保留推理（retaining reasoning）和启用压缩（compaction），这两项设置使得分与效率双双提升，得分增至三倍。 来源：OpenAI News

孤本网 孤本网 发布于 2026-07-29
快讯 #模型评测#企业动态#人工智能

OpenAI 新分析指出 SWE-Bench Pro 编码评测存在问题

OpenAI 公布的一项新分析揭示了流行编码基准 SWE-Bench Pro 中存在的问题，令外界对 AI 模型评测的可靠性与准确性产生担忧。 来源：OpenAI News

孤本网 孤本网 发布于 2026-07-08
快讯 #模型评测#人工智能

LifeSciBench 发布：用于评估 AI 处理真实生命科学研究任务的专家评审基准

据 OpenAI News 消息，LifeSciBench 是一个由专家编写（expert-authored）、专家评审（expert-reviewed）的评测基准（benchmark），用于评估 AI 系统如何处理真实世界中的生命科学研究任务与决策。 来源：OpenAI News

孤本网 孤本网 发布于 2026-06-17
快讯 #AI Agent#安全#模型评测#企业动态#人工智能

OpenAI与 Paradigm推出 EVMbench，评测 AI智能体应对高危智能合约漏洞的能力Then body.

Write: OpenAI与 Paradigm联合发布 EVMbench，这是一项用于评测 AI智能体（AI agent）在高危智能合约漏洞上检测、修补与利用能力的基准测试。据 OpenAI新闻栏目披露的信息，该基准把智能合约安全中的三类关键任务——发现漏洞（detect）、修补漏洞（patch）以

孤本网 孤本网 发布于 2026-02-18
快讯 #模型评测#企业动态#技术生态#人工智能

OpenAI发布思维链可监控性评估框架与评测套件

OpenAI发布了一套新的思维链可监控性（chain-of-thought monitorability）框架与评测套件，覆盖24种环境下的13项评估。该框架关注的是对模型内部推理过程的可监控程度，而非仅对其输出进行监控。 OpenAI表示，其研究结果显示，监控模型的内部推理远比仅监控输出更为有效，

孤本网 孤本网 发布于 2025-12-18
快讯 #模型评测#企业动态#人工智能

OpenAI 推出 FrontierScience 基准，评估 AI 完成科学研究任务的能力

OpenAI 推出名为 FrontierScience 的基准（benchmark），用于测试 AI 在物理、化学和生物领域的推理能力，以衡量其向真正科学研究迈进的进展。 据 OpenAI 新闻（OpenAI News）介绍，FrontierScience 的定位是一项评估工具，考察对象是 AI 在

孤本网 孤本网 发布于 2025-12-16
上一页 下一页