筛选结果
65 篇排序
12:14EN → 简体中文
Matthew Berman· 2026年10月14日Gemini 4 Argon 实测：3D 演示、电子表格原型与基准成绩Matthew Berman · Forward FutureMatthew Berman 用游戏和视觉项目测试 Google 模型，并比较公布的编程与智能体基准。
10:36EN → 简体中文Matthew Berman· 2026年10月13日Meta Muse Wonder 实测：基准成绩强劲，演示表现不一，额度限制影响体验Matthew Berman · Forward FutureMatthew Berman 测试 Meta 模型的浏览器演示，并分析公开的基准成绩、使用方式和成本。
7:26EN → 简体中文Matthew Berman· 2026年9月23日GPT-6 Sol 与 Luna：价格与基准测试的权衡Matthew Berman · Forward FutureMatthew Berman 解析 OpenAI 2026 年 9 月的发布，比较 API 价格及公布的智能体基准结果与更大模型的差异。
13:09EN → 简体中文Matthew Berman· 2026年8月14日AI 新闻：超高速推理、Claude 水印与新模型Matthew Berman · Forward FutureMatthew Berman 回顾超高速编码预览、文本水印、Grok Bot、开放权重模型和 Computer History。
12:12EN → 简体中文Matthew Berman· 2026年7月18日Kimi K3：编程基准、成本与开放权重 AI 竞争Matthew Berman · Forward FutureMatthew Berman 考察 Kimi K3 的早期基准成绩、单任务成本和一个魔方模拟器，并讨论这些结果的局限。
9:47EN → 简体中文Matthew Berman· 2026年4月3日Gemma 4：面向本地 AI 的小型开放权重模型Matthew Berman · Forward FutureMatthew Berman 着眼于本地智能体，回顾 Google 的模型规模、多模态功能和报告中的基准成绩。
11:15EN → 简体中文Matthew Berman· 2026年3月27日ARC-AGI-3：测试 AI 智能体如何学习陌生游戏规则Matthew Berman · Forward FutureMatthew Berman 介绍 ARC 早期网格谜题，亲自试玩 ARC-AGI-3 的互动关卡，并查看早期模型成绩。这一基准测试的是特定形式的适应能力，并不能最终判定系统是否具有通用智能。
0:37EN → 简体中文Matthew Berman· 2026年2月20日Gemini 3.1 Pro：解读公布的基准测试成绩Matthew Berman · Forward FutureMatthew Berman 评论 Gemini 3.1 Pro 的对比结果，重点关注 Humanity’s Last Exam 的成绩。
11:49EN → 简体中文Matthew Berman· 2026年2月17日Matthew Berman 评测 Claude Sonnet 4.6：基准、计算机使用与安全Matthew Berman · Forward Future这份发布当天的概览审视了 Anthropic 报告的知识工作和智能体成绩，以及提示注入与能力评估。
9:31EN → 简体中文Matthew Berman· 2026年2月6日GPT-5.3-Codex 发布：编程智能体、速度与计算机操作Matthew Berman · Forward FutureMatthew Berman 回顾 OpenAI 在 2026 年 2 月展示的演示和基准，细看所报告的提速与分数能够说明什么，以及不能说明什么。
14:20EN → 简体中文Matthew Berman· 2026年2月5日Claude Opus 4.6：更长上下文、智能体团队与初期基准测试Matthew Berman · Forward FutureMatthew Berman 回顾 Anthropic 于 2026 年 2 月发布的模型、智能体功能、长上下文结果及当时的定价。
1:58EN → 简体中文Matthew Berman· 2025年12月12日GPT-5.2 发布：基准测试、演示与 API 定价Matthew Berman · Forward FutureMatthew Berman 回顾 OpenAI 2025 年 12 月的发布公告，介绍部分评估、产品演示以及相对 GPT-5.1 的成本上涨。
10:27EN → 简体中文Matthew Berman· 2025年11月24日Claude Opus 4.5：发布基准、价格与工具使用Matthew Berman · Forward FutureMatthew Berman 回顾 Anthropic 在 2025 年 11 月发布的模型、编码基准和开发者工具，并与同期模型比较。
1:11EN → 简体中文Matthew Berman· 2025年11月18日Gemini 3 发布：基准测试、Antigravity 与智能体Matthew Berman · Forward FutureMatthew Berman 概述 Google 在 2025 年 11 月发布的新模型、开发工具和助手演示。
13:53EN → 简体中文Matthew Berman· 2025年10月10日微型递归模型与谜题基准比较的局限Matthew Berman · Forward FutureMatthew Berman 研究一种在 ARC 和数独上报告强劲结果的小型递归网络，以及其实验设置的意义。
14:47EN → 简体中文Matthew Berman· 2025年9月18日2025 年 9 月 AI 新闻：OpenAI 编程测试、Meta REFRAG 与新智能体工具Matthew Berman · Forward FutureMatthew Berman 盘点竞赛成绩、高效检索、智能体支付、3D 世界和模型发布，同时介绍 Waymo 与 AI 视频的进展。本期区分了公告、研究声明、传闻和已确定的结果。
8:47EN → 简体中文Matthew Berman· 2025年9月16日为什么温度为零时，相同的 LLM 提示词仍可能产生不同回答Matthew Berman · Forward FutureMatthew Berman 解读 Thinking Machines Lab 关于批次不变推理的研究，以及其可复现性实验实际展示了什么。
1:01EN → 简体中文Matthew Berman· 2025年8月5日OpenAI 发布 gpt-oss 与一项编程基准Matthew Berman · Forward FutureMatthew Berman 介绍两个开放权重模型，并解读发布时的 Codeforces 比较。
11:28EN → 简体中文Matthew Berman· 2025年7月30日GLM-4.5：编程演示、模型规模与 Z.ai 基准测试Matthew Berman · Forward FutureMatthew Berman 测试使用 GLM-4.5 构建的交互式应用，并审视 Z.ai 在 2025 年 7 月公布的领先模型比较结果。
6:53EN → 简体中文Matthew Berman· 2025年7月24日Qwen3-Coder：开放权重的编程模型及其命令行智能体Matthew Berman · Forward FutureMatthew Berman 介绍 Qwen 在 2025 年 7 月发布的编程模型、训练方法和基准测试结果，并用其命令行工具制作贪吃蛇游戏。
10:09EN → 简体中文Matthew Berman· 2025年5月30日DeepSeek R1 0528：基准提升与两次编程测试Matthew Berman · Forward FutureMatthew Berman 评析 DeepSeek 在 2025 年 5 月推出的推理模型更新，将公布的基准提升与自己的魔方和贪吃蛇编程测试作比较。
13:02EN → 简体中文Matthew Berman· 2025年5月22日Claude 4 发布：编程智能体、基准测试与 Claude CodeMatthew Berman · Forward FutureMatthew Berman 回顾 Anthropic 于 2025 年 5 月发布 Opus 4 和 Sonnet 4 的公告，重点介绍长任务、工具、基准测试和开发者集成。
0:34EN → 简体中文Matthew Berman· 2025年5月1日DeepSeek-Prover-V2 及其形式化数学评测结果Matthew Berman · Forward FutureMatthew Berman 介绍 DeepSeek 报告的 miniF2F、PutnamBench 和形式化 AIME 问题上的定理证明结果。
14:04EN → 简体中文Matthew Berman· 2025年4月29日Qwen3：开放权重、可调整推理与工具使用Matthew Berman · Forward FutureMatthew Berman 回顾 2025 年 4 月的 Qwen3 系列、其基准成绩、训练流程和本地演示。加载更多已显示 24 篇，共 65 篇