评测
-
难上热搜的高考数学，我拿ChatGPT和豆包PK了一把！
今年高考数学，又把不少人做沉默了。 从考场出来后，很多考生的第一反应不是有几道题不会，而是怎么每一道都这么能算。 于是乎，计算量大、题型新、区分度高，成了这张卷子被讨论最多的几个关…
-
Kimi Work内测三天，我的桌面变成了案发现场
上周拿到了Kimi Work的内测资格，说起来还挺巧的，那几天我正好在整理桌面文件。 做过的都知道这事有多烦，不说一个月了，就几天，桌面上密密麻麻几十上百个文件，截图一大堆乱七八糟…
-
阶跃Step 3.7 Flash登顶AA榜：速度、性价比、端到端三项第一
OpenRouter Trending榜单冷不丁窜出一匹国产黑马，热度暴涨稳居全球第二。 定睛一看，原来是阶跃星辰新发的Step 3.7 Flash。 再一看，不只OpenRout…
-
花1500美元，让AI“黑”自己的App：GPT-5.5成功率70%，部分模型0分交卷
一个专门为 AI 设计的“Bug 靶场”。 大模型会写代码已经不是什么新鲜事了。但如果给它们一个真实的移动应用、一份 APK 安装包以及有限的预算，它们能否像安全研究员一样主动发现…
-
Hermes桌面版真实体验：像极了Codex、全英文、profile切不了
Hermes官方终于出桌面版了！ 智东西6月3日报道，宣布和英伟达合作后，Nous Research在昨日晚间，终于放出了他们开发的Hermes桌面版（预览）。 在此之前，Herm…
-
扣子3.0实测：手机就能远程遥控你电脑里的Agent
扣子，来了个大版本的升级——3.0正式发布！ 现在做一个游戏，只需要给扣子看一眼就行。 例如我们给扣子发了个视频，然后只说了一句： 看一眼这个游戏，做一个类似《我的世界》的游戏项目…
-
百度最强视觉识别模型来了！仅0.9B，文档解析能力超越Gemini、GPT
近日，百度正式发布文心衍生视觉识别模型PaddleOCR-VL-1.6。 在权威文档解析能力评测集OmniDocBench v1.6上，PaddleOCR-VL-1.6总指标达到9…
-
MiniMax M3一手实测：老黄PPT上74个Logo，我以为能难住它
MiniMax M3突然上线后，Token Plan的新计费方式也引起了热议。 众说纷纭之下，MiniMax官方也火速回应，提高了周用量限额，并对以前没有周限额的老用户保持了这个设…
-
MiniMax 低调发布 M3 和 MiniMax Code，我们测完后有几点感受
前沿的 Coding 能力、1M 的上下文窗口，还有原生的多模态 就在今天，MiniMax 发布了新一代模型 M3。 这次最值得看的地方，是 M3 终于在同一个模型里凑齐了三种能力…
-
MiniMax M3 测评
短的结论：筑起高台摘星辰 基本情况： 在 4 月初，智谱发布的 GLM-5.1 彻底拉开了与 MiniMax M2.7 的差距，问鼎国产模型 Coding 王座至今。而彼时稀宇的下…
-
400 tokens/秒！阶跃Step 3.7 Flash，把Agent任务成本打到Claude零头
400TPS极速狂飙，开启生产级高效率Flash模型范式，直接一刀打穿Agent底价，把全球开发者惊艳到了。 世界上最遥远的距离，不是AI看不懂你的需求，而是你的经费，根本撑不到A…
-
MiniMax M3来了！12小时无人干预炼出4个模型，还把CUDA内核加速到9.4倍
今天，MiniMax正式发布了其新一代旗舰大模型MiniMax M3，在多个衡量编程与Agent能力的基准测试中达到前沿水平。在真实软件工程能力基准测试SWE-Bench Pro上…
