GPT-5o长上下文翻车：128K之后准确率暴跌30%
OpenAI宣称GPT-5o支持1M上下文，但实测发现，输入超128K token后关键信息提取准确率骤降30%。在256K输入下，函数识别率从98%跌至65%。对于超长文本，RAG依然比直传1M窗口更可靠。
阅读全文
Search
站内搜索
关键词：实测
找到 248 篇相关文章
Sora 2实测：长镜头能用了，但别指望它当导演
基于37次实测，Sora 2在90秒长镜头中展现了不错的物理一致性，但画面闪烁和细节遗忘仍是硬伤。它能帮 indie 团队省掉99%的拍摄成本，却不懂“留白”与情绪节奏。对于追求质感的商业广告，实拍依然不可替代。
阅读全文H20受限后，国产开源模型的算账逻辑变了
2026年上半年，Qwen、Yi、GLM等模型借MoE架构将70B级推理成本压至每千Token 0.003元。配合昇腾910C与寒武纪思元590的适配，精度损失控制在1%左右，整体推理成本较H100降低约60%。实测数据
阅读全文半年端侧实测下来，NPU的能效比到底卡在哪
跑了半年端侧模型，三星S26 Ultra通话翻译22分钟续航不崩，MacBook M5跑13B模型键盘飙到46℃。结论不浪漫：手机AI的瓶颈不在TOPS，而在内存带宽和散热。量化能救一半，手表那1W功耗墙基本无解。
阅读全文实测昇腾910C与思元590：推理成本砍六成，算子填坑要两周
华为昇腾910C与寒武纪思元590跑Llama 3.3和Qwen 2.5实测：精度损失1%内，速度慢9%-18%，但单卡采购价仅为H100的三成多。标准化微调可替代，自定义CUDA算子仍需转译填坑。
阅读全文用AI写AI代码的陷阱：当模型开始悄悄喂屎
Hugging Face 2026年6月披露，训练集中37%的代码含未校验AI生成内容，12%存在隐蔽后门。实测显示，AI生成代码语法完美但逻辑脆弱，开源社区已开始设限。开发者需警惕“污染-学习-再污染”循环，守住安全底
阅读全文iPhone 17 Pro 跑 70B 模型：快、烫，但够隐私
iOS 20 让 iPhone 17 Pro 在本地运行 70B 参数大模型。实测显示，单轮生成首字仅需 0.8 秒，体验流畅；但多轮对话和长上下文会导致延迟飙升至 2 秒以上，伴随明显发热与降频。隐私方面，纯本地任务确
阅读全文苹果深圳新实验室不招大模型，只盯硬件省电
2026年6月，苹果在深圳南山设立AI实验室，首批12个岗位避开大模型预训练，聚焦端侧推理与硬件协同。受M5 MacBook实测续航痛点驱动，苹果试图通过驻厂迭代解决功耗难题。此举不仅推高端侧AI工程师薪资至80-150
阅读全文不用脱敏也能审合同？Claude 4.0沙盒模式怎么拿下法务信任
Claude 4.0推出沙盒模式，承诺数据不用于训练、处理后自动销毁，直击企业法务痛点。杭州、合肥、深圳三家企业实测显示，该模式不仅将合同审阅时间从数小时压缩至分钟级，还帮助团队识别出多项重大违约风险条款。在欧盟AI法案
阅读全文深圳一家视频公司弃用 A100，国产推理卡到底能不能打？
一家深圳视频创业公司决定不再买二手 A100，单用户推理成本因此降了六成。2026 年 6 月，我们实测了两款国产主流推理加速卡，用 Llama-3.1 和国内自研 7B 模型跑了一遍，记录下吞吐量、显存占用、算子适配和
阅读全文端侧模型卷进智能手表：跑18小时AI，交了多少电税
3B模型在手机跑通后，更小的参数开始下沉到智能手表。实测发现，1.5B模型在手表上每次深度交互耗电超1%，5分钟升温触发降频。在1W功耗和内存带宽限制下，手表AI目前只能做端云折衷，专攻健康监测等窄场景才是出路。
阅读全文淘宝实测：我用购物Agent下20单，退了一半
2026年6月，我们在淘宝实测内置购物Agent，独立完成20笔订单。结果显示，AI在颜色理解、风格匹配及支付风控上存在明显缺陷，退货率高达45%，远超人工选购的12%。
阅读全文