B站于9月16日上线“AI无限竞技场”,汇集UP主对上百个大模型的真实场景测评。首期榜单中GPT-6 Astra居首,前五名国产模型占三席。平台不限主题,以真实工作流同题PK呈现模型差异,排名实时更新并开放报名。B站AI内容消费时长同比增长72%,月均观看用户超1.9亿。
Cartesia发布Sonic-3.6文本转语音模型,在Artificial Analysis两个语音排行榜均居首,自然度提升显著。该模型基于状态空间模型,时延低于90毫秒,支持即时声音克隆、自定义发音等,以Beta版托管API提供,定价每百万字符49美元,不开放自托管权重。
RoboChallenge完成第二批生态扩容,吸引8家顶尖企业入驻,推动具身智能产业发展。平台通过标准化真机测试提升评测体系,促进技术落地。新伙伴将提供硬件支持,构建公允评测体系,助力具身智能在家庭和商业场景的应用。RoboChallenge致力于降低验证门槛,推动技术进步,欢迎更多参与者加入。
谷歌即将推出Gemini 3.1系列模型,目前已有Gemini 3.1 Pro Preview的引用,但具体发布时间和特性尚未确定。智谱已开源GLM-5,谷歌的Gemini 3.1可能会有类似版本,具体情况需等待官方发布。
2015年,微信红包大战激活了移动支付。如今,腾讯和百度再次推出春节红包活动以吸引用户,但效果减弱,用户留存率低。尽管春节流量高峰,吸引用户的关键在于信任和核心场景,而非单纯的红包刺激。
谷歌DeepMind与Kaggle合作推出Game Arena,旨在测试AI在棋类、狼人和扑克等游戏中的推理与社交能力。该基准评估AI在不确定环境中的表现,促进AI助手的软技能发展。
PaddleFormers将降低多模态模型的训练和应用门槛,帮助开发者提升业务能力,推动多模态模型在更多场景中的应用。
马斯克发布的Grok 4.1在大模型竞技场中表现优异,思考模式和非思考模式分别排名第一和第二。该模型在情感、创造性和互动性方面显著提升,强化学习算法得到改进,减少了信息检索中的事实性幻觉。Grok 4.1现已向所有用户开放。
JetBrains推出开发者生产力AI竞技场(DPAI Arena),旨在评估AI辅助工具对软件开发的影响。该平台提供开放的基准测试框架,支持多语言和多工作流,促进透明度和信任,帮助开发者和企业衡量AI工具的生产力提升。
DPAI Arena是一个开放的基准测试平台,旨在评估AI辅助开发工具的生产力,支持多语言和多工作流,解决现有基准的局限性,促进社区合作,推动AI在软件开发中的应用。
Kaggle与Google DeepMind合作推出Kaggle Game Arena,旨在评估AI模型在策略游戏中的表现。该平台提供公平的全对全比赛环境,确保结果的可靠性。初期包括八个领先的AI模型,未来将扩展到多种游戏,以测试战略推理能力,为AI评估设定新标准。
上海AI实验室推出OpenDataArena平台,旨在科学评估数据价值,涵盖多个领域和基准测试。该平台提供公平透明的数据评测,帮助研究者识别高质量数据,降低试错成本,促进数据生成与应用。
机器之心数据服务现已上线,提供高效稳定的数据获取,简化数据爬取流程。
DeepSeek-R2模型引发猜测,神秘模型steve自称来自DeepSeek,但身份不明,智力测试表现一般,可能不是R2。R2因CEO不满表现再次延期,研发进展缓慢。
谷歌发布的Gemini 2.5 Pro在“人类最后的考试”中以21.6%的成绩超越o3,成为大模型竞技场第一名。尽管表现优异,但发布后两小时内即被越狱,安全性引发关注。
《战斗坦克竞技场》是一款双人坦克战斗游戏,使用Python和Pygame开发。玩家可以选择不同类型的坦克,利用多种武器在可破坏的环境中进行战斗,游戏特点包括多样的坦克、武器、可破坏环境和增益道具,玩家通过键盘控制坦克的移动和射击。
腾讯挖走微软的WizardLM团队,核心成员来自北大,推出的新模型Hunyuan-Turbos已进入大模型前十。该团队曾因开源问题受挫,现加入腾讯后发展迅速。国内大厂人才竞争激烈,未来竞争将更加激烈。
了解Blur Studio如何从零开始为Amazon Prime剧集《秘密关卡》中的“虚幻竞技场”一集创建实时动画管线,并利用MetaHumans和特效生成电影质量的视觉体验。
本研究提出了一种新颖的稳定竞技场框架am-ELO,旨在解决ELO评分系统在大语言模型评估中的不稳定性问题。实验结果表明,该评估方法更准确且稳定。
论文《排行榜幻觉》揭示了大模型竞技场的可信度问题,指出少数大厂通过私下测试和选择性报告数据,导致排行榜不公。研究显示,专有模型的数据远超开源模型,且有205个模型被静默弃用。官方回应称排行榜反映真实用户偏好,但质疑仍在。AI社区需警惕,不能仅依赖单一榜单。
完成下面两步后,将自动完成登录并继续当前操作。