搜索「评测基准」，找到 4 条相关内容
-
谷歌推出Gemini 3.8 Live双模型，语音AI实现边推理边对话
谷歌发布Gemini 3.8 Live双模型，语音AI首次实现边推理边对话，实测得分超越OpenAI与SpaceXAI。该技术突破有望推动实时交互场景落地，加剧语音AI领域竞争。
-
AGI宣告再起波澜：评测基准差异引发行业激辩
围绕通用人工智能是否已经到来的争论再度升温。一方高调宣告，另一方则以评测基准差异指出模型表现可能大幅波动，凸显AGI定义与评估标准仍缺乏共识。
-
中国开源交互AI模型发布，性能超越Gemini引关注
中国团队开源全新交互AI模型，在多项评测中力压谷歌Gemini，引发行业对开源生态与交互式AI技术路线的关注。
-
OpenAI新模型安全评测引关注 恶意代码风险受警示
OpenAI新一代模型在安全评测中表现不及预期，尤其在恶意代码生成方面存在风险，引发行业对AI安全与发展的再思考。微软等合作方或受影响，Hugging Face等平台评测机制受关注。