小红花·文摘
  • 首页
  • AI Tokens🪙
  • 排行榜🏆
  • 直播
  • FAQ
沉浸式翻译 immersive translate
Dify.AI
全新Genie:面向复杂企业工作的自主AI

Databricks推出自主AI同事Genie,可在用户设定的护栏内主动跟进并持续执行长期企业任务。其依赖Genie Ontology提供业务上下文,Genie Search跨湖仓与业务系统检索,Unity Gateway管控工具访问、审计与成本。Genie支持邮件、Slack、Teams等渠道,可生成幻灯片、仪表板等成品,并通过MCP连接外部工具。基准测试中正确率达91%,为最强前沿智能体的1.6倍,token用量不到一半。

全新Genie:面向复杂企业工作的自主AI

Databricks Databricks · 2026-11-11T16:00:00Z
Genie结合Genie Ontology:准确率提升1.6倍,Token用量不到一半

Databricks与Turing合作开发企业数据智能体基准,在真实Databricks工作区对比Genie与两个前沿智能体。Genie借助Genie Ontology理解企业业务知识,正确率达91%,另两者仅45%和58%;速度分别快4倍和3倍,token用量不到一半。该基准包含笔记本、仪表板、SQL查询等企业知识资产,更贴近真实场景,表明上下文对企业数据智能体至关重要。

Genie结合Genie Ontology:准确率提升1.6倍,Token用量不到一半

Databricks Databricks · 2026-11-11T15:00:00Z
Fable 5.2首批实测来了!网友:Opus突然不香了

Fable 5.2发布后引发实测热潮:有人用约2.5万个Agent生成450多个3D世界,有人将达·芬奇手稿转为可交互3D模型。该模型在编程、科研等基准测试中超越Opus 5.5,输出更快、价格降低20%。网友还用它制作地球游戏地图、3D竞技游戏、赛博海底游戏、钢琴奏鸣曲、AI纪录片和产品宣传片等。但也有用户反映Token消耗快、部分任务提升有限且价格偏高。

Fable 5.2首批实测来了!网友:Opus突然不香了

量子位 量子位 · 2026-11-10T07:03:43Z
基准测试对比:Scikit-Ollama 与 Groq 支持的 Scikit-LLM——速度、成本与准确率

文章对比了本地Scikit-Ollama与云端Groq支持的Scikit-LLM零样本情感分类基准,用统一辅助函数测量耗时与准确率。本地Llama3耗时80.71秒、准确率80%,成本为零且隐私性强;云端gpt-oss-20b仅2.02秒、准确率100%,免费层零成本、部署更简单。结论:本地受GPU显存与生成速度限制,云端延迟低、配置少,但本地数据完全不出机器。

基准测试对比:Scikit-Ollama 与 Groq 支持的 Scikit-LLM——速度、成本与准确率

MachineLearningMastery.com MachineLearningMastery.com · 2026-11-09T11:00:06Z

文章探讨基于LMDB的零拷贝SQL计算:利用LMDB只读事务中页地址稳定、大值连续存储的特性,让字符串以“指针+长度”形式从存储一路借用到查询结果,避免SQLite中取列和映射结构体时的两次拷贝。基准测试显示,LMDB SQL分配量与数据大小无关,长字符串及多重物化算子下优势明显,短数据则与SQLite相当。

基于 LMDB 实现零拷贝的 SQL 计算

Rust.cc Rust.cc · 2026-11-09T06:32:55Z
一分钟读论文:《代码会写,接着写不会》

Klavis AI 论文提出 Multi-step SWE 基准,用 69 个任务、574 步连续改动测试编程智能体能否在自身代码上持续开发。最强模型 Claude Opus 5.5 单步通过率 56.8%,但整任务解决率仅 18.5%,Pass@4 为 31.9%,其余 8 款模型均不超 17.8%。错误从第一步起累积,多数失败源于方向走错而非算力不足。局限包括验证器误判、能力与脚手架未分离,且题目偏底层语言,结论不宜外推为通用编程能力。

一分钟读论文:《代码会写,接着写不会》

Micropaper Micropaper · 2026-11-09T00:00:00Z

Discord宣布客户端全面改用Rust,移除Electron和React Native,桌面与移动端共享Rust代码,界面采用GPUI,但社区指出其系统集成与无障碍功能仍不足。rustc十一月性能月记介绍span压缩等优化,增量编译改进显著,平均墙钟时间降低2.85%。systemd合并可选Rust支持,仅限叶子组件,默认auto。benchfmt.rs对接Go benchstat,基准显示Rust解码更快,但堆内存占用更高。

【Rust日报】2026-11-05 Discord 客户端改用 GPUI

Rust.cc Rust.cc · 2026-11-06T12:51:31Z
百度开源文心5.5 Flash Base,多基准测试刷新同尺寸模型 SOTA

11月5日,百度开源基座模型文心5.5 Flash Base,采用MoE架构,总参数2800亿,每Token激活140亿,预训练使用33.5万亿Token,支持最长100万Token上下文,多项基准达同尺寸SOTA。模型围绕效率优化:提出Latent-Gated Sparse Attention降低长上下文开销,Multi-Router Latent MoE改善专家路由,ECHO复用主干末层提升推理与代码能力,并优化分布式Muon优化器与FlashMask-4算子。

百度开源文心5.5 Flash Base,多基准测试刷新同尺寸模型 SOTA

量子位 量子位 · 2026-11-05T07:15:13Z
GPT-6.1 Terra 对决 Claude Opus 5.5:在最高强度下的三项测试中更便宜、更快速

OpenAI发布GPT-6.1 Terra,称其在科学编程和电脑操作任务上接近Opus 5.5且成本更低。作者自建三项测试:发布分诊两者打平;细胞追踪Terra得分更高;大表格任务Terra完成而Opus因超输出上限未作答。Terra总成本约为Opus的12%,耗时更短,但大表格数值仍有错误,结果不具可重复性。

GPT-6.1 Terra 对决 Claude Opus 5.5:在最高强度下的三项测试中更便宜、更快速

The New Stack The New Stack · 2026-10-31T14:00:00Z
推出 DBArena:面向托管 Postgres 的开放、可复现基准测试

DBArena发布托管Postgres基准测试,首批对比Supabase(默认存储及OrioleDB)、Amazon RDS和Google Cloud SQL,覆盖最多七种计算规格,测量吞吐量、性价比和p95延迟。测试按vCPU匹配、使用默认配置,基于TPC-C工作负载,涵盖缓存命中与超内存两种场景。方法公开、工具开源,每个结果附原始数据可复现;首批62项结果来自750多次运行。局限包括单一工作负载、无思考时间、仅单区域及按标价计费。

推出 DBArena:面向托管 Postgres 的开放、可复现基准测试

Blog - Supabase Blog - Supabase · 2026-10-30T07:00:00Z
在六种数据库引擎中对向量搜索进行基准测试

本文介绍在无运行服务器的情况下,从InnoDB、MyISAM和MyRocks文件中提取数据的MySQL数据恢复技术。

在六种数据库引擎中对向量搜索进行基准测试

Percona Database Performance Blog Percona Database Performance Blog · 2026-10-29T16:46:38Z
谷歌发布Gemini 4 Carbon,网络安全能力实现“重大飞跃”

谷歌发布新模型Gemini 4 Carbon,在编程、智能体任务和网络安全方面显著提升,在Artificial Analysis智能指数等基准上领先Claude Opus 5.5和GPT-6 Astra,并在漏洞发现与利用测试中排名第一。该模型擅长长时间多步骤任务,能抵抗提示注入,减少无依据说法。目前仅向部分网络安全公司开放,定价与Argon相同。

谷歌发布Gemini 4 Carbon,网络安全能力实现“重大飞跃”

The Verge The Verge · 2026-10-28T20:03:00Z

作者在ARM64架构的GB10(sm_121)上测试Strata 0.2.7.1。新版本提供官方ARM64预编译包并默认启用四项优化。基准测试显示预填充明显加速,4K提示延迟降低近20%,符合官方约1.2倍的说法,但短解码略慢。作者用ABBA方式单独开关STRATA_SPEC_COST,发现进程间自然波动(约200–300毫秒)大于该开关影响且方向会反转,因此解码变慢不能归因于它,避免了错误上报。

Strata 0.2.7.1 在 GB10 上的基准测试与 SPEC_COST 消融实验

https://blog.ferstar.org/en/index.xml https://blog.ferstar.org/en/index.xml · 2026-10-28T13:15:00Z
基准测试:完成顺序

文章比较了在Perl中按@order顺序排列@friends的两种方法:一是用哈希记录位置后排序;二是用哈希标记好友,再遍历@order筛选。基准测试显示,好友比例小时第二种更快,好友接近全部时第一种更快。

基准测试:完成顺序

blogs.perl.org blogs.perl.org · 2026-10-26T22:23:57Z
为智能体而构建:Spark 声明式管道的优势论证

Databricks 用同一 AI 代理对 528 个数据管道进行基准测试,比较过程式 PySpark 与声明式 Spark Declarative Pipelines。结果显示:声明式可在运行前预检结构错误,集群计算时间减少约 34 倍;代码量约为过程式一半(中位数 64 行对 131 行),且更一致;但两者对逻辑错误的检出率相近。声明式前期 LLM 令牌成本约高 2.3 倍(约 0.50 美元对 0.26 美元),但令牌成本固定,而集群浪费随数据规模增长,故生产规模下声明式更划算。

为智能体而构建:Spark 声明式管道的优势论证

Databricks Databricks · 2026-10-23T19:00:00Z

谷歌推出前沿模型Gemini 4 Argon,擅长编程、金融、法律、网络安全和科学等领域的复杂多步骤任务,在多项基准测试中领先。社区开发者基于该模型打造了五个项目:3D水上飞机模拟、实时野火与地震波3D地球、交互式涡扇喷气发动机、由单张图片生成的3D马车,以及多人夺旗网页游戏。该模型已通过API及多个谷歌平台向开发者和订阅用户开放。

看看5位开发者用Gemini 4 Argon打造了什么

The Keyword The Keyword · 2026-10-23T16:00:00Z
Aleksei Aleinikov:PostgreSQL 索引类型选择指南(1000 万行基准测试)

文章基于1000万行数据实测PostgreSQL 18各类索引:B-tree为默认首选,等值查询约0.11毫秒;哈希索引无优势且体积大3倍;BRIN仅72 KiB,适合时间有序大表,但慢约3倍;部分索引只含0.85%的行,体积小160倍且速度相当;覆盖索引快1.4倍但大4.4倍,且UPDATE后失效;GIN适合数组、jsonb和全文检索,匹配稀少时快129倍;GiST/SP-GiST用于几何与范围查询。每增加一个索引都会拖慢写入,应据查询选型并清理未用索引。

Aleksei Aleinikov:PostgreSQL 索引类型选择指南(1000 万行基准测试)

Planet PostgreSQL Planet PostgreSQL · 2026-10-23T06:00:00Z
五个AI智能体框架参加了同一项记忆测试,结果差距悬殊。

Letta发布FrontierMemory基准,用于测试AI智能体能否从过往经验中学习并提升后续任务表现,而非仅检索记忆。结果显示智能体框架影响显著:Letta Dream以73.3%居首,Prime Agent为60%,OpenAI Agents SDK为40%,Claude与Hermes更低。在模型生成记忆能力上,Claude Opus 5.5与GLM-5.3并列第一,但GPT-6.1 Sol成本更低。该基准目前仅含15项任务,后续将加入更长任务与在线记忆更新。

五个AI智能体框架参加了同一项记忆测试,结果差距悬殊。

The New Stack The New Stack · 2026-10-22T18:34:32Z
WebRTC 基准测试:为什么一次看起来“干净”的通话恢复测试可能是错的

WebRTC基准测试须先验证限速是否真实生效:Chrome内置限速未附着于通话连接,导致Meet视频绕过限制;Zoom Web视频经数据通道传输,标准统计中无帧率数据。测试显示Meet媒体未中断,但码率稳定常超20秒,或30秒内未恢复;Zoom因限速前码率已低于500kbps,多数接收端未真正受扰。建议将“稳定恢复”纳入验收标准,区分通话运行、遥测完整与质量恢复,缺失数据不得记为零。

WebRTC 基准测试:为什么一次看起来“干净”的通话恢复测试可能是错的

实时互动网 实时互动网 · 2026-10-22T03:29:34Z
pgvector 与专用向量数据库:生产环境基准测试

文章比较了pgvector与专用向量数据库。pgvector是Postgres扩展,可在同一数据库内同时存储向量与关系数据,支持多种向量类型和距离函数。作者用Docker在本地对pgvector和Qdrant做基准测试,但10万向量的规模太小,难以得出结论。文章引用Tiger Data的5000万向量生产级测试:在99%召回率下,pgvector配合pgvectorscale吞吐达471 QPS,远超Qdrant的41 QPS;但Qdrant尾延迟更优,p99为38.71ms对74.60ms,索引构建也快约3.4倍。结论:千万级以下、需要事务一致性的场景选pgvector;超大规模、严格尾延迟SLA或零运维需求的场景选专用数据库。

pgvector 与专用向量数据库:生产环境基准测试

MachineLearningMastery.com MachineLearningMastery.com · 2026-10-20T11:00:00Z
  • <<
  • <
  • 1 (current)
  • 2
  • 3
  • >
  • >>
👤 个人中心
在公众号发送验证码完成验证
登录验证
在本设备完成一次验证即可继续使用

完成下面两步后,将自动完成登录并继续当前操作。

1 关注公众号
小红花技术领袖公众号二维码
小红花技术领袖
如果当前 App 无法识别二维码,请在微信搜索并关注该公众号
2 发送验证码
在公众号对话中发送下面 4 位验证码
友情链接: MOGE.AI 九胧科技 1tok 菜鸟教程 Remio.AI DeekSeek连连 53AI 神龙海外代理IP IPIPGO全球代理IP 东波哥的博客 匡优考试在线考试系统 开源服务指南 蓝莺IM Solo 独立开发者社区 AI酷站导航 极客Fun 我爱水煮鱼 周报生成器 He3.app 简单简历 白鲸出海 T沙龙 职友集 TechParty 蟒周刊 Best AI Music Generator 模力方舟 Gitee AI

小红花技术领袖俱乐部
小红花·文摘:汇聚分发优质内容
小红花技术领袖俱乐部
Copyright © 2021-
粤ICP备2022094092号-1
公众号 小红花技术领袖俱乐部公众号二维码
视频号 小红花技术领袖俱乐部视频号二维码