标签

评测

专题文章

Paper Instruments 介绍 Ultramarine 1 Flash：自称知识工作达 Fable 级，成本约为其 1/60

Paper Instruments 发布 Ultramarine 1 Flash，基于 GLM-5.3 Flash，称在知识工作基准上达到 Fable 级且成本低得多。文章梳理其自测得分、API 定价和基准设定，并注明数据均来自发布方。

AI 与前沿 2026-10-15 2026-10-15
Datalab 发布 Indra OCR：100 万参数识别模型，官方自测 32 核 CPU 每秒处理 49.4 页

Datalab 发布基于百万参数识别模型的 OCR 工具包 Indra OCR，可输出文字、版面结构与阅读顺序。发布方自测称其在 32 核 CPU 上每秒处理 49.4 页，吞吐远超 PaddleOCR 与 Tesseract，但默认模式文本得分仍低于 PP-StructureV ...

AI 与前沿 2026-10-14 2026-10-14
GEAR 把递归自我改进引入 agent harness，项目页称小模型任务通过率从 27% 升至 53%

GEAR 把递归自我改进引入 agent harness，依据任务反馈持续优化技能、工具与工作流。项目页称在 AutomationBench Marketing 的 100 个公开任务上，Luna 的目标完成率由 75.37% 升至 88.88%，该数据为发布方自报，尚无独立复现 ...

AI 与前沿 2026-10-13 2026-10-13
博文演示用 Qwen3-1.7B 模拟决策模型：一次前向选出选项，但概率未必等于正确率

文章用 Qwen3-1.7B 演示决策模型：把输出限定在 A–E 五个选项，一次前向即可作答。但其概率过度自信，需用温度缩放校准后才可当作置信度。

AI 与前沿 2026-10-11 2026-10-11
Edge Delta 开源 Project Arena：用于评测 AI 故障排查能力的 Kubernetes 基准套件

Edge Delta 开源了评测项目 Project Arena，在用完即弃的 Kubernetes 集群中注入故障，由裁判模型给 AI 的排障能力打分。21 个场景的基准结果显示，Claude 搭配命令行工具在根因分析和缓解方案上领先两家原生功能。

AI 与前沿 2026-10-09 2026-10-09
多款云点播软件测评对比，哪款合你心意？

本文介绍了彩虹云点播、百度云播放、迅雷云播、人和云点播、小二云点播五款云点播软件，说明其可通过链接或BT种子直接在线观看视频的主要功能与特色。

媒体娱乐 2021-06-17 2021-06-17

评测

Paper Instruments 介绍 Ultramarine 1 Flash：自称知识工作达 Fable 级，成本约为其 1/60

Datalab 发布 Indra OCR：100 万参数识别模型，官方自测 32 核 CPU 每秒处理 49.4 页

GEAR 把递归自我改进引入 agent harness，项目页称小模型任务通过率从 27% 升至 53%

博文演示用 Qwen3-1.7B 模拟决策模型：一次前向选出选项，但概率未必等于正确率

Edge Delta 开源 Project Arena：用于评测 AI 故障排查能力的 Kubernetes 基准套件

多款云点播软件测评对比，哪款合你心意？

热门文章

Anthropic 确认 Claude 绕过付费墙获取佐治亚州汇总计票数据

研究揭示 AI「分词税」：不同语言的 token 成本差距可达 17 倍

Reddit 帖子称 OpenAI 公布三项 AI 数学结果，涉及 Kakeya、ETH 与杨 - 米尔斯

OpenAI 发布 GPT-6.1 Terra：强化电脑操作，标准 API 价格较上代减半