前沿研究
抓透明杯连滑三次，BIGAI 通用智能体卡在了哪几关
北京通用人工智能研究院（BIGAI）2026年夏季公开的 TongSIM 与 OmniXtreme 评测，暴露了具身智能从仿真到现实的真实鸿沟：透明物体抓取成功率骤降至40%以下，动态避障因电机延迟碰撞率升至23%，多步
阅读全文
Search
站内搜索
关键词：评测
找到 52 篇相关文章
前沿研究
前沿研究
BIGAI通用智能体，先把评测证据讲清楚
原稿列出多项精确指标，却没有给出可核验的benchmark名称、技术报告或测试方法。讨论通用智能体可以从物理推理、持续记忆和实时决策入手，但在证据补齐前，BIGAI离“通用”多远仍无法判断。
阅读全文
AI 工具箱
前沿研究
BIGAI的通用智能，开始往现场走
BIGAI成立于2020年，由朱松纯担任院长。近期，通研院围绕OmniXtreme、SceneVerse++、TongSIM和TongAgents密集发布进展，把通用智能的讨论从模型能力拉向机器人运动、3D场景、智能体评
阅读全文Llama 5资料不足，先看DeepSeek V4怎么测
DeepSeek V4已有4月24日发布、开源、百万词元上下文和榜单52分等公开信息；Llama 5目前缺少可核验资料。开发者不宜硬做参数对比，更适合从中文场景、工程迁移、榜单参考和内部评测入手。
阅读全文
前沿研究
Sora 3 时代的深伪治理：多模态水印与区块链存证实战评测
Sora 停更后，视频生成进入存量博弈。本文实测 C2PA 扩展版水印与区块链存证在应对可灵、Runway 等模型时的抗攻击能力，揭示技术博弈中平台、创作者与监管方的真实困境与出路。
阅读全文
深度观察
2026暑期AI应用，先看它会不会办事
2026年暑期，AI应用的评判标准已从“像不像人”转向“能不能闭环”。Z世代不再为电子宠物买单，企业面对的是Agent失控烧钱的噩梦。从Sora退场到FinOps兴起，真正的留存靠的是确定性执行与成本透明。
阅读全文特斯拉FSD入华实测：纯视觉遇上中国路口，水土不服还是另有隐情
5月21日特斯拉FSD监督版正式入华。实测发现，纯视觉端到端方案在国内复杂路口频现短板，面对数据合规限制与国产多传感器融合方案的夹击，FSD入华更像是一场技术路线的碰撞。
阅读全文3分钟长视频测试：Sora 3稳，可灵V2有瑕疵
我们用同一个雨夜剧本实测Sora 3和可灵V2。Sora在角色一致性上更稳，可灵V2在长序列后半段出现发色漂移。对比之下，长视频生成的核心壁垒已从画质转向物理逻辑和镜头连贯性。
阅读全文豆包AI 2.0上线：长文本记忆能撑住字节的大考吗
2026年2月字节跳动发布豆包大模型2.0，主打无限上下文与长期记忆。实测显示百万字文档解析准确率超92%，但端侧算力瓶颈和API适配成本让开发者头疼。面对Kimi等竞品，字节押注企业知识库，但这场大考才刚刚开始。
阅读全文具身智能走进家庭：2026年首款消费级机器人保姆评测与安全隐患
2026年Q2三款主流家用服务机器人横评揭示：物理安全与数据合规才是当前具身智能家庭落地的核心瓶颈，而非抓取精度。本文以1X NEO、优必选Walker S Lite、智元远征A1为例，拆解跌倒伤人、隐私泄露、AI乱下单
阅读全文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