文章分析了当前大模型评测体系中的“跑分乱象”,称大模型榜单广泛存在“家家第一”的情况。现有的开源跑分数据集会引发“刷题”现象;而封闭的私有数据集又会影响公平性。此外,部分榜单的评测维度也不够科学全面。文章建议建立权威的评测体系,开源评测工具与流程以保证公平,但评测数据集则采用开放历史+封闭正式的模式。此外,大模型的商业化远比模型的参数和榜单排名更为重要。
loading...
文章分析了当前大模型评测体系中的“跑分乱象”,称大模型榜单广泛存在“家家第一”的情况。现有的开源跑分数据集会引发“刷题”现象;而封闭的私有数据集又会影响公平性。此外,部分榜单的评测维度也不够科学全面。文章建议建立权威的评测体系,开源评测工具与流程以保证公平,但评测数据集则采用开放历史+封闭正式的模式。此外,大模型的商业化远比模型的参数和榜单排名更为重要。
欢迎来到【AI日报】栏目!这里是你每天探索人工智能世界的指南，每天我们为你呈现AI领域的热点内容，聚焦开发者，助你洞悉技术趋势、了解创新AI产品应用。
WorldTUI 是一个伪装成普通终端的项目：用户可输入 ls、cd、mkdir，甚至打开 Vim、运行 Python、拉起 tmux，体验与真实环境几乎一致。但背后没有 Linux、没有文件系统，也未真正执行任何命令，屏幕上的一切都是 AI 实时编出来的。其核心是训练模型学会“演戏”，开发者 Simon Ed……
欢迎来到【AI日报】栏目!这里是你每天探索人工智能世界的指南，每天我们为你呈现AI领域的热点内容，聚焦开发者，助你洞悉技术趋势、了解创新AI产品应用。新鲜AI产品点击了解：https://app.aibase.com/zh1、火山引擎发布Seedance2.54K:480P样片打磨后生成4K正片Seedance2.54K以样片到正片分工切入影视流程，10-bit色深与细节增强提升表演质感，但仅限企业试用，开放节奏待观察。8、谷歌推出ACE：给每个AI智能体配一台专属电脑，唤醒不到500毫秒谷歌ACE并非普通容器是面向智能体的专属微虚拟机，强化安全隔离和生命周期管理；500毫秒级恢复与快照复制优化了资源密度，为规模化AI智能体运行提供了可行基础设施。
Canva周四推出图像生成模型Canva Craft，正式加入与OpenAI、微软、谷歌的AI图像生成竞争。该模型采用两阶段架构，生成前先规划设计，以提升精度、一致性和可控性；支持最高2K分辨率及宽高比超30的图像生成，适用于社交媒体、营销素材、数字艺术和环境图像等场景，并针对含清晰文本、精确对象布局的复杂设计。
10月22日，讯飞星火医疗大模型发布V3.7。该版本依托全国产算力底座，融合语音、影像、语义多模态能力，在上海人工智能实验室MedBench5.0智能体评测中以99.6分居首；在医疗知识问答、诊断治疗推荐、医疗文书生成等核心任务上均超越国内外主流大模型，落地能力同步提升。
腾讯混元团队一则内部说法再挑动大模型竞争神经：28岁首席AI科学家姚顺宇抛出“卷加班对抗DeepSeek”，迅速引爆舆论。它戳中的不只是某家公司，而是整个行业在AGI长跑中的深层焦虑——究竟靠什么追上对手。文章也点出腾讯现实处境：AI声量正被字节豆包、DeepSeek等挤压，压力真实而迫切。
2026世界物理AI大会暨宇树合作伙伴生态大会在杭州举行，宇树科技王兴兴提出未来三条战略主线。首条聚焦产能，提升机器人大规模量产能力，瞄准千万级乃至亿级市场，推动从“能造几台”走向“能造几百万台”，把规模视为护城河。第二条走“自研+合作”复合模式。后续内容未完整披露。
10月23日，谷歌云正式向企业客户开放Anthropic托管的Claude模型部署选项。企业无需迁移数据，即可在谷歌云自有基础设施上运行Claude，并在模型发布当天用上最新版本，不必等待新接口、排期或第三方转售。该方案核心是“分工”：Anthropic作为数据处理方，负责把模型能力交付给企业客户。
2026世界物理AI大会暨宇树合作伙伴生态大会在杭州召开。宇树科技董事长王兴兴将公司未来打法拆为三条线：一是产能，强调提升机器人规模量产能力，瞄准千万级乃至亿级市场，从“能造几台”走向“能造几百万台”，以规模作护城河；二是走“自研+合作”的复合路径。
科大讯飞在全球1024开发者节发布星火家族首块语音基石——星火语音基座大模型SparkAudio1.0，将机器翻译、语音识别、语义理解融合进同一模型，提升基础语音能力。官方演示中，它借电影片段展现敏锐“耳朵”，可精准分辨声音内容、背景及说话人性别，并准确判断场景。