在论文发布的版本里，作者评测了包括 GPT-4o，Claude-35-Sonnet, Gemini-1.5-pro-preview 等17个当时最领先的 LLM，每两个模型在每个游戏上进行20轮相互对抗赛（10 轮先手 10 ...

Gemini 2.5 Pro除了在衡量人类偏好的大模型竞技场领先之外，还在常见的编程、数学和科学基准测试中处于领先地位，包括Humanity’s Last Exam（人类最后考试）这一难度超高的基准测试，与OpenAI ...

IT之家 3 月 27 日消息，科技媒体 testingcatalog 昨日（3 月 26 日）发布博文，报道称 AI 公司 Anthropic 正计划“扩容”Claude 3.7 Sonnet 模型，将其上下文窗口将从 20 万 token 跃升至 ...

谷歌称 Gemini 2.5 Pro 比较擅长在创建视觉效果精美的网页应用和操作智能体。在官方放出的 demo 中，只需一行提示词，Gemini 2.5 Pro 就开动脑筋，逐步推理出了这个类似「flappy bird」的小游戏的全部代码，并且直接可玩： ...