拼图、谜题与游戏一直是检验人工智能能力的试金石。从最早的西洋跳棋、国际象棋，到围棋，开发者用一道道”…
一款身份未公开的免费 AI 编程模型，在业内最难啃的软件工程评测之一上，跑出了超越同脚手架类别所有商业模型的成…
十大聊天机器人测评：假话率一年翻倍，Claude 最稳 Pi 最离谱 新闻事实核查机构 NewsGuard 最…
同一句话喂 11 个 AI，结果差出 200 倍 同一个问题，交给不同的大模型，得到的答案可能天差地别。Net…
智力指数 61：与 GPT-5.6 持平 评测机构 Artificial Analysis 于 2026 年 …
过去一年，开发者社区里流传着一个听上去很合理的判断：让大模型写代码时，动态类型语言比静态类型语言更划算，因为省…
抽象推理基准 ARC-AGI 的独立评测机构 ARC Prize 基金会于 2026 年 7 月 31 日公布…
