从会动到会判断，BIGAI在补机器人的物理常识
SceneVerse++、TongSIM、通通 3.0 和 OmniXtreme，分别对应 3D 场景、仿真训练、认知决策与运动控制。BIGAI正尝试把这些环节串起来，但“完全无标签”和未见场景泛化，仍缺公开指标与完整评
阅读全文
Search
站内搜索
关键词：评测
找到 52 篇相关文章
别让Agent偷刷你的信用卡：用三款开源工具卡死API异常消费
Agent死循环导致API账单飙升屡见不鲜。2026年7月Visa、Stripe等成立x402基金会着手制定AI支付标准，但在标准落地前，开发者需要先用开源工具装上「水表」。本文评测LiteLLM、Langfuse、Po
阅读全文
前沿研究
模型合并真有用？Llama4 开源生态变体效果横评
对Llama4社区下载量前五的变体进行逻辑、代码、长文本三维度盲测，发现合并模型在长文本上平均掉6.5个百分点，逻辑和代码增益微弱。MoE架构使参数平均法失效，针对性微调才是可靠提升路径。开发者选型应回归场景评测，警惕“
阅读全文2026多模态牌桌没清场，模型之外反而更拥挤
GPT-5、Gemini 2.5被摆在聚光灯下，但现有材料缺少官方信息和同条件评测。MiniMax版本线索与WAIC展会数字反而说明，多模态竞赛正从模型延伸到机器人和AI硬件。
阅读全文
技术应用
端侧 AI 手机散热实测：高温降频对推理速度的真实影响评估
在 35℃ 恒温箱环境下，iPhone 16 Pro Max、Galaxy S25 Ultra 和小米 15 Pro 持续推理 20 分钟后，Token 生成速度分别跌至初始值的 58%、50% 和 72%。本文量化分析
阅读全文
前沿研究
通通4.0仍无官宣，BIGAI近期在忙什么
现有公开材料没有给出通通4.0的发布日期，也不足以证明它已经“跳票”。更清晰的线索来自通通3.0、TongSIM、OmniXtreme、SceneVerse++和TongAgents：BIGAI正在同时推进物理空间智能与
阅读全文
技术应用
7款儿童AI玩具实测：响应、延迟与安全，谁真的能陪孩子过暑假？
基于同一套儿童问答脚本，对2026年暑期上市的7款主流AI玩具进行多模态交互实测。重点比较响应准确率、端到端延迟、安全过滤和隐私边界，并给出家长可复现的选购清单。
阅读全文
前沿研究
端侧AI手机降温危机：散热模组升级能否留住大模型体验？
7月15日7款手机端侧大模型备案通过，AI手机加速落地，但发热抱怨同步爆发。本文直指散热堆料已近物理极限，胜负手转向芯片调度策略，结合最新评测数据与硬件工程师观点，拆解'跑得快不如跑得稳'的逻辑，并预测主动散热、模型硬件
阅读全文2026下半年端侧大模型评测：谁在真省电，谁在背刺续航
2026年旗舰手机端侧AI体验的差距已从跑分转向能效。本文对比苹果A19、骁龙8 Gen 4与天玑9400在运行3B-7B量化模型时的功耗、发热与延迟，通过架构与实测案例揭示谁的NPU真正兼顾续航，并附一套可复现的功耗测
阅读全文Runway Gen-4、Sora、Pika，谁更省返工
公开资料显示，Runway Gen-4 在高动态场景和复杂光照下更稳。至于 Sora 与 Pika 3.0，选型时更该关注可用镜头率、返修方式和单条成片成本。
阅读全文
前沿研究
视觉语言模型进化：2026年多模态理解瓶颈在哪
2026年，GPT-5与Gemini 2.5 Pro在多模态基准上屡创新高，但复杂真实场景下理解错误仍频发。本文结合CVPR 2026、AAAI 2026等最新研究，剖析视觉表征敏感、评测滞后、数据短缺与系统协同缺失四大
阅读全文垂直模型对齐怎么做：把奖励规则写成代码，再跑 GRPO
金融、医疗、法律任务里，很多错误可以直接核验。GRPO 去掉 Critic 后，可用代码奖励替代一部分奖励模型；省下价值网络的同时，采样开销、规则漏洞和评测压力会更突出。
阅读全文